移动机器人对气体泄漏源的定位—–矩阵半张量积方法

对于使用移动机器人在风速/风向变化较大的气流环境中定位气体泄漏源的问题,我们建立了一个定位模型.模型的输入为机器人在定位过程中实时获取的多传感器信息(激光信息、视觉信息、气体浓度信息、风信息等),输出为相应的搜寻行为或策略,主要包括避障行为、随机搜寻、视觉搜寻、化学趋向性搜寻、风趋向性搜寻、路径规划和气体泄漏源定位等.利用矩阵的半张量积理论,我们确定了这个模型输入和输出之间的结构矩阵.根据多传感器的测量信息,结构矩阵产生相应的搜寻行为或策略,由动态机器人有效地完成,以确定气体源的位置.本方法的可靠性经过机器人实地实验得到验证.     

危险气体泄漏源搜寻多机器人系统的设计与实现

危险气体泄漏源搜寻是仿生嗅觉技术的重要应用领域之一.为了提高气体泄露源定位的效率和准确性,设计并实现了一种基于无线传感器网络的气源目标搜寻多机器人系统.该系统由多个嗅觉机器人组成,每个机器人作为无线传感器网络节点实现信息交换,协同工作,实现危险气体泄漏源的定位.嗅觉机器人以DSP处理器(TMS320F28335)为控制核心,对MOS气体传感器和风速传感器的输出信号进行融合,设计了浓度梯度与风速信息相结合的单一气体泄漏源搜寻算法.当嗅觉机器人完成气源定位时将发出警报,其他机器人利用装配的麦克风阵列和声源定位算法实现对泄漏源的间接定位.最后,为了说明所设计的多机器人系统对气体泄露源定位的有效性和准确性,本文设计了针对单一泄露源的气源搜寻实验进行验证.     

武术擂台赛无差别组机器人目标搜寻策略

主要对武术擂台赛无差别组机器人进行了介绍,通过灰度传感器与红外传感器检测,对障碍棋子、对方机器人与自身环境的判断,设计出一种机器人有效且安全的目标搜寻运动路径控制策略,增强了机器人在武术擂台赛中的竞争力。     

移动机器人未知环境下无线基站搜索

针对机器人未知环境下信号源搜寻依赖于多机器人协同定位问题,提出一种基于天牛须搜索的单机器人寻源算法,进行未知环境下无线基站搜索.将天牛须搜索的两个触角改进为一个触角,引入避障策略,动态改变机器人的移动位置和方向,将所提算法应用于单机器人室内与室外两种环境下的无线基站搜索.与PSO、GA算法对比结果表明,收敛速度明显更快.该算法运算量小、收敛速度快,能够在复杂的未知环境中找到无线信号源.     

基于改进AEO算法的多机器人主动嗅觉室内味源定位研究

用机器人主动嗅觉来自动寻找和定位毒气泄漏、火灾等气味源在防灾、反恐、探险等场景中具有重要意义.针对室内环境中机器人气味源定位方法对于策略切换阈值敏感问题,本文提出了一种用于多机器人气味源搜索的风向人工生态系统优化算法WAEO.该方法将机器人看作生产者、消费者或者分解者,通过三者的能量传递机制进行算法的优化,使算法在劣势初始位置时依旧保持稳定的性能.同时,考虑到气味源扩散的特点设计了离散风向系统,在生态系统中增加了追风者角色,从全局和个体维度引入风向信息和层次化利用风向信息.通过与两种常见粒子群算法的对比实验,发现WAEO算法可以减少味源定位的搜索时间,提高搜索成功率,特别是在机器人数量较少时优势更为明显.     

可应用于气体泄漏源搜寻的融合算法

多源信息融合算法主要应用于移动机器人对有害气体泄漏源的搜寻。为提高搜寻效率,用视觉传感器和嗅觉传感器共同获取环境信息,其中 嗅觉传感器 采用多气体传感器代替单气体传感器以提高测量的可靠性,测量位置也由单点向多点转变,并选用合适的算法分别实现各级数据的融合,最终决策移动机器人的搜寻方向。数据表明, 加权平均法用于融合同类气体传感器的数据,可减小噪声和仪器故障的影响;最小二乘法可最优估计未知参数,用于反求泄漏源信息,可初步估计泄漏源的位置和流量;概率赋值方式可容纳多种信息途径共同判断泄漏源,从而更合理地确定搜寻目标。     

基于微粒群优化的有限通信多机器人气味寻源

考虑机器人间的通信受限约束,将机器人抽象为微粒,提出基于微粒群优化的多机器人气味寻源方法.首先,采用结合斥力函数的策略,引导机器人快速搜索烟羽;然后,基于无线信号对数距离损耗模型,估计机器人间的通讯范围,据此形成微粒群的动态拓扑结构,并确定微粒的全局极值;最后,将传感器的采样/恢复时间融入微粒更新公式,以跟踪烟羽.将所提出方法应用于3个不同场景的气味寻源,实验结果验证了该方法的有效性.     

时变流场环境中机器人跟踪气味烟羽方法

机器人对气味烟羽的可靠跟踪是实现气味源定位的关键. 本文主要针对实际时变流场环境中的机器人跟踪气味烟羽问题进行研究. 文中在机器人测得气味时估计气味包的最大可能路径, 在此基础上结合流向信息, 规划搜寻路径并使机器人沿此路径运动以跟踪气味烟羽. 考虑到气味浓度场的时变特性以及可能存在的基本浓度, 采用浓度相对变化量表征气味信息. 室内时变流场环境实验表明, 使用本文所提方法的机器人可实时、有效地跟踪烟羽并趋向气味源.     

用单片机控制机器人小车的方法

本方法的原理是:通过外部传感器将接收到的信号反馈给单片机,实时控制机器人的运动。使用了两片电机驱动芯片-L298N对两个步进电机的精确转动角度进行控制,红外传感器,碰撞传感器等设备使机器人有了简单的拐弯,躲避障碍物,搜寻设定目标等功能实现。整个系统如图1。     

一种新的移动机器人气体泄漏源视觉搜寻方法

为提高视觉信息的处理效率,将视觉注意机制引入到特定目标（泄漏源）的搜寻过程中,在此基础上 提出了一种新的基于任务驱动视觉注意机制（TBVAM）的气体泄漏源搜寻方法．该方法分为3 步完成：首先,确定 能有效凸显目标物的对比映射图合并权值系数;其次,当获取实际场景的图像信息后,利用训练得到的权值系数加 权合并不同特征及尺度的对比映射图,得到少数几个可疑目标区域,并结合激光测距信息计算出可疑目标所在的位 置;最后,驱动机器人对可疑目标区域进行排查,通过判断嗅觉传感器检测到的气体浓度是否大于给定阈值确定其 是否找到气体泄漏源．实验结果表明,所提出算法能显著提高对气体泄漏源的搜寻效率．     

Mobile robot navigation using vision and olfaction to search for a gas/odor source

This paper presents a new approach to search for a gas/odor source using an autonomous mobile robot. The robot is equipped with a CMOS camera, gas sensors, and airflow sensors. When no gas is present, the robot looks for a salient object in the camera image. The robot approaches any object found in the field of view, and checks it with the gas sensors to see if the object is releasing gas. On the other hand, if the robot detects the presence of gas while wandering around the area, it turns toward the direction of the wind that carries the gas. The robot then looks for any visible object in that direction. These navigation strategies are implemented into the robot under the framework of the behavior-based subsumption architecture. Experimental results on the search for a leaking bottle in an indoor environment are presented to demonstrate the validity of the navigation strategies.     

主动嗅觉研究现状

对主动嗅觉（或称移动机器人气味/气体定位）问题的研究现状进行了较为详细的介绍．分析了当前此研究所使用的具有代表性的气味/气体和风向传感器原理．总结了主动嗅觉所包含的三个步骤,即气味/气体烟羽的发现、跟踪和气味/气体源确认,及每一步所采取的主要策略．最后,指出了当前主动嗅觉研究的主要难点．     

Odor Space Navigation Using Multisensory E-Nose

A spatial odor distribution in an environment can be used for navigation, goal search, localization and mapping, like by video, ultrasonic, temperature and other sensors. Modern e-noses can perform the selective detection of different gases with an extremely low concentration but the source localization algorithms of a selected gas against the background of other odors are still underinvestigated. This paper studies an odor field representation in terms of an e-nose based on an array of low-selective sensors. Using a simulation model, we show how the vector measurements of a field of several odor sources can be processed to navigate for reaching a selected odor source. In addition, we demonstrate that the source having a high level of odor intensity can interfere with the search of another odor source of a low intensity. The well-known class of matching receivers does not solve this problem. However, a solution can be obtained by distributed measurements. As shown below, the spatial structure of an odor field allows to implement vector selection. Using deep learning machines, we may reach a high resolution of odor sources in the space. Our future research will be focused on augmented odor reality and autonomous mobile e-nose (e-dog) design.     

基于无线传感器网络的气体泄漏源定位机器人设计

如何确定有害气体泄漏源的位置是机器人主动嗅觉要解决的关键问题。围绕移动机器人气体泄漏源定位问题,将Z字形算法和浓度梯度法相结合用于机器人气味源搜索运动控制,使其快速找到气味源。同时,在传统的移动嗅觉机器人上增加了无线传感器定位模块,使操作人员在远离泄漏源的电脑上即可获得气味源的坐标信息。实验证明：机器人可以找到泄漏源,并确定气味源位置,搜索效率比单独使用浓度梯度法高。     

融合学习策略与导向果蝇机制的气味源主动定位方法研究

工业生产过程中常发生由有害气体泄漏引起的火灾或爆炸事故,利用载有气体传感器的移动机器人实时监测并搜索定位泄漏气体源是预防重大事故的有效方法,而高效的搜索策略是保证机器人快速准确定位气味源的关键因素.现有的气味源搜索算法存在定位成功率不高和对气味源定位不准的问题,本文提出一种将仿生果蝇算法和学习策略相融合的气味搜索策略.针对传统果蝇算法易陷入饱和收敛的问题,提出一种新的导向果蝇极值更新方式;针对寻优不精的问题,进一步提出一种基于学习策略的导向果蝇气味源搜索算法(OCGFOA).仿真实验结果表明OCGFOA算法完成定位速度更快且离泄漏气味源位置更近,其定位效果更能满足对危险气味源定位的要求;最后,在物理场景下进行气味源主动定位验证实验,证明本文所提算法在实际场景下也具有可行性.     

湍流环境中多弱感知机器人气味源搜索算法

针对湍流环境中机器人空间感知能力的不足, 提出一种多弱感知机器人气味源搜索算法. 该算法建立了气味源位置概率分布的近似表达式, 机器人通过自由能最小化获得移动方向. 各机器人之间通过共享位置信息实现协同, 通过设定内部温度达到搜索过程中探索和利用的平衡. 仿真结果验证了所提出算法的有效性.

     

基于传感器温度动态响应信息和Kohonen算法的葡萄酒定性识别方法

对复杂混合气体/气味的定性识别是电子鼻技术应用的重要方面.文章以对不同品牌的葡萄酒样本的定性识别为例,尝试利用气体传感器温度动态响应信息并结合Kohonen算法,实现对复杂混合气体/气味的定性识别.仿真验证结果表明:采用仅由3个气体传感器构成阵列的电子鼻系统,利用上述方法对5种不同品牌的葡萄酒样本的识别准确率达到100%.文中同时针对识别对象的特点,介绍了一种差值抵消的数据预处理方法.     

基于集成气敏传感器阵列的电子鼻系统环境响应特性分析

基于集成气敏传感器阵列和多传感器信息融合技术的电子鼻系统 ,可用于气体 /气味的定性定量识别 .在实际应用中 ,被识别样本的浓度、样本环境的温度和湿度参数等都对电子鼻系统的响应特性有较大的影响 .本文分别利用纯净空气及乙醇或葡萄酒作为载气及分析样本 ,对电子鼻系统响应特性与气敏传感器工作温度以及样本温度、环境湿度、样本浓度间的依赖关系进行了实验分析 ,并分别给出了它们间依赖关系的实验结果 .     

基于P-PSO 算法的室内有障碍通风环境下的多机器人气味源搜索

受湍流影响, 室内通风环境下的烟羽分布表现出波动变化且不连续的特性; 在一些角落处, 较大的漩涡会产生长时间的局部浓度极值区; 另外室内的障碍物也会改变烟羽的分布状况. 因此室内有障碍通风环境下的机器人气味源搜索问题变得很复杂. 本文提出了基于概率适应度函数的粒子群优化(Probability-fitness-function based particle swarm optimization, P-PSO)算法并用于多机器人气味源搜索. P-PSO算法的特点是采用概率而非确定数来表达适应度函数值. 针对气味源搜索问题, P-PSO算法的适应度函数值由贝叶斯和变论域模糊推理估计的气味源概率表达. 为验证提出的搜索策略, 构建了对应实际边界条件的室内通风环境的烟羽模型. 仿真研究证明了本文提出的P-PSO搜索算法用于解决气味源搜索问题的可行性.