封面圖片來(lái)自本期論文“仿生機(jī)器魚近壁面流場(chǎng)識(shí)別的人工側(cè)線方法”，圖片包含了仿生機(jī)器魚三維樣機(jī)模型、仿生機(jī)器魚仿真模型、流場(chǎng)預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型、速度場(chǎng)仿真云圖以及流場(chǎng)預(yù)測(cè)評(píng)價(jià)指標(biāo)曲面圖。隨著人類對(duì)海洋開發(fā)的深入，面臨的水下作業(yè)環(huán)境也愈發(fā)險(xiǎn)惡，受水質(zhì)渾濁度和復(fù)雜非結(jié)構(gòu)的水下地形環(huán)境影響，傳統(tǒng)的光學(xué)成像和聲納探測(cè)技術(shù)應(yīng)用受到了限制，嚴(yán)重制約了仿生水下機(jī)器人的作業(yè)能力，針對(duì)仿生機(jī)器魚目標(biāo)近距離作業(yè)時(shí)的環(huán)境識(shí)別難題，提出一種基于人工側(cè)線(ALL)的近壁面流場(chǎng)識(shí)別方法。首先，理論分析了ALL感知近壁面流場(chǎng)環(huán)境的可行性；然后，建立了ALL虛擬壓力傳感器陣列并采用計(jì)算流體動(dòng)力學(xué)(CFD)方法計(jì)算并提取了不同參數(shù)條件下(來(lái)流速度v,靠壁距離d和游動(dòng)頻率f)仿生機(jī)器魚的體表壓強(qiáng)數(shù)據(jù)；最后，建立了基于多層前饋神經(jīng)網(wǎng)絡(luò)的來(lái)流速度和靠壁距離預(yù)測(cè)回歸模型，并對(duì)模型結(jié)構(gòu)和數(shù)據(jù)特征進(jìn)行了優(yōu)化。研究結(jié)果表明：壁面效應(yīng)將引起魚體周圍流場(chǎng)結(jié)構(gòu)的非對(duì)稱分布，魚體頭部和尾部的側(cè)線傳感器對(duì)流場(chǎng)參數(shù)的辨識(shí)度高，消除弱相關(guān)的特征對(duì)來(lái)流速度和靠壁距離預(yù)測(cè)指標(biāo)的影響小且有利于降低預(yù)測(cè)模型的復(fù)雜度。