基于修正蚁群算法的多机器人气味源定位策略研究

为了使多机器人系统能够模仿蚁群寻找食物源的行为方式来搜索室内环境中存在的气味源,通过对蚁群算法的修正,形成一种新的多机器人协作策略．修正的蚁群算法包括局部遍历搜索、全局随机/概率搜索和信息素更新三个阶段．为了实现多个气味源的定位,在迭代搜索中加入了气味源确认机制．仿真结果表明,局部遍历搜索能够保证机器人逐步靠近气味源,而在全局搜索中设置气味浓度检测阈值可以避免机器人“群聚”现象的形成．最后验证了从不同入口点分散进入搜索区域时,机器人对多个气味源的搜索定位效果．     

基于头脑风暴优化算法的多机器人气味源定位

针对现有室内湍流环境下多机器人气味源搜索算法存在历史浓度信息利用率不高、缺少调节全局与局部搜索的机制等问题,提出头脑风暴优化（BSO）算法与逆风搜索结合的多机器人协同搜索算法。首先,将机器人已搜索位置初始化为个体,以机器人位置为中心聚类,有效利用了历史信息的指引作用;然后,将逆风搜索作为个体变异操作,动态调节选中一个类中个体或两个类中个体融合生成新个体的数量,有效调节了全局和局部搜索方式;最后,根据浓度和持久性两个指标对气味源进行确认。在有障碍和无障碍两个环境中将所提算法与三种群体智能多机器人气味源定位算法进行定位对比仿真实验,实验结果表明,所提算法的平均搜索时间减少33%以上,且定位准确率达到100%。该算法能够有效调节机器人全局和局部搜索关系,快速准确定位气味源。     

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.

     

基于进化梯度搜索的机器人主动嗅觉仿真研究

提出了基于进化梯度搜索的多机器人主动嗅觉的一种实现策略．首先用Fluent软件建立了一个时变的气态流体环境;其次给出了在此仿真环境中的基于进化梯度搜索的机器人主动嗅觉实现过程,包括发现气体、跟踪气体和气味源确认．为了弥补进化梯度搜索法在机器人数量有限情况下存在的不足,本文算法还使用了风向信息．仿真结果验证了该搜索策略的有效性．通过与传统的基于单机器人的浓度梯度搜索策略比较,验证了本文所用方法的优越性．     

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.     

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。     

湍流烟羽环境下多机器人主动嗅觉实现方法研究

给出了一种用于实现主动嗅觉(也称气味/气体源定位或化学烟羽跟踪)的多机器人协同搜索策略. 将蚁群算法与逆风搜索相结合用于协调多机器人的运动方向. 蚁群算法可有效调动机器人朝信息素高的区域运动且保证机器人之间的距离不会过大; 逆风搜索可降低算法过早地陷入局部最优的概率. 为正确判断转移方向, 蚁群算法中还增加了对历史信息的考虑. 在源头确认方面, 本文提出了气味/气体浓度持久性判断结合机器人旋转计算流体质量通量散度的方法. 仿真表明, 本文的主动嗅觉搜索策略可适用于湍流烟羽环境, 且可有效地逃脱浓度局部最优和风场的漩涡, 另外可最终确认源头位置.     

一种基于动物捕食行为的机器人气味源定位策略

提出了一种基于动物捕食行为的机器人味源定位策略;该策略融合了气体传感器、风向传感器、超声传感器等传感器信息,考虑了搜寻味源过程中的避障及重复搜索问题,并给出了确认味源的条件.在动态的室内环境下,令机器人搜寻酒精泄漏源,结果表明,这种策略具有较高的搜寻效率和成功率.     

室外环境下基于证据理论的多气味源测绘及定位

采用单个移动机器人对室外自然环境下的多气味源定位问题进行了研究.首先构建嗅觉感知模型,将机器人在每个采样周期中测得的气味浓度和风速/风向信息融合为局部区域内是否存在气味源的证据.然后采用证据理论将该证据与已有证据进行组合,从而更新气味源的空间分布图.最后在室外自然环境下进行实验,结果表明所提出的嗅觉感知模型可用于时变流场下的多气味源在线测绘.对比IP(independence of posteriors)算法(一种贝叶斯占用栅格测绘方法),所提出的基于证据理论的测绘方法具有较好的鲁棒特性.     

移动机器人步长调整算法的S函数应用研究

机器人在对于一些气味源、声源、平衡位置等目标搜索时,为了精确定位,一般采用变步长的算法。根据S函数,设计出了一种新型步长调整算法。与传统的最陡下降法相比,其步长调整速度快,适应外部环境能力强,并且包含了方向信息。实验证明该方法是一种有效的移动机器人步长调整算法。