基于移动机器人的主动嗅觉技术研究

使用移动机器人来定位气味源已经成为一个研究热点,机器人主动嗅觉是指使用机器人自主发现并跟踪烟羽,最终确定气味源所在位置的技术。本文对当前主动嗅觉技术进行概述,并根据生物嗅觉行为介绍一种气味源定位算法,这种算法不依赖某一点气味浓度值,仅依靠气味浓度变化率就可找到气味源。并在高斯模型下对烟羽分布模型进行仿真。     

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.     

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.     

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.     

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．     

RAOS:3维机器人主动嗅觉仿真平台

为便于开展气味源定位或烟羽建图等研究,设计了3维机器人主动嗅觉仿真平台RAOS(robot active olfaction simulator).RAOS围绕旋翼无人机主动嗅觉研究进行设计,同时支持地面移动机器人仿真,主要包括3维场景、机器人、风场、气味扩散及传感器仿真5部分.通过CAD(computer aided design)软件生成3维场景并导入仿真平台;采用CFD(computational fluid dynamics)软件仿真环境自由风场;基于旋翼无人机气动嗅觉效应模型仿真尾流诱导风场,并利用全连接网络近似计算诱导风场以提高计算实时性;结合CFD环境风场和烟丝扩散模型对气味扩散过程进行仿真;同时提出了简化的TDLAS(tunable diode laser absorption spectroscopy)传感器仿真模型.为验证仿真环境与真实环境中气味扩散过程的一致性,提出利用弗雷歇距离和推土机距离2个指标分别定量地描述气味扩散轮廓和气味浓度分布的相似性,结合KS(Kolmogorov-Smirnov)检验进行一致性判定.通过与实物实验及风洞数据对比,验证了RAOS平台仿真烟羽与真实环境烟羽扩散分布的一致性,可为3维环境主动嗅觉研究提供一致、可重复的仿真环境.     

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.     

三维空间机器人主动嗅觉烟羽源自主定位策略

针对三维空间鲜有人研究烟羽源自主定位的问题，引入利用历史数据机制，提出了布谷鸟搜索算法结合改进的模糊C均值聚类算法的自主定位策略。采用布谷鸟搜索算法产生机器人定位的位置信息，避免了机器人采集烟羽浓度的盲目性，实现了定位的自主性。将产生的位置信息及采集的该位置处烟羽浓度构成特征向量，采用改进的模糊C均值聚类算法对该组特征向量和历史特征向量构成的一组新的特征向量聚类分析，获取三维空间烟羽浓度分布区域，为布谷鸟搜索算法提供了搜索范围。通过实例对所提出的方法进行验证，并与最近两年的定位算法进行对比，结果表明：该方法在平均运行时间和收敛精度方面均优于最近两年的定位算法，且能够以平均0.145 0 m的收敛精度自主定位到烟羽源附近，为烟羽源定位提供了方法支持。     

基于PD控制算法寻烟羽源机器人最优行为决策

为了解决空气中有害气体烟羽源分布辨识问题,提出了基于PD控制算法寻烟羽源机器人最优行为决策,通过浓度传感器对环境中的化学浓度信息进行实时采集,然后将采集到的浓度信息传送到机器人中的数据处理模块中。数据处理模块对机器人左右两端浓度传感器采集到的浓度信息进行数据滤波预处理:采用递推平均滤波算法克服机器人在行进过程中遇到的随机干扰和周期性干扰;采用限幅滤波算法克服机器人在行进过程中的脉冲或尖峰干扰。将预处理后的数据信息分别以数组的形式进行存储。机器人采集信息浓度差的大小决定了机器人向左侧或者右侧飞行。根据存储的历史浓度信息多次改变机器人的运动,使机器人能够更快、更准确地寻找到烟羽源位置,具有较强的实用性。     

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。     

Odor source localization using a mobile robot in outdoor airflow environments with a particle filter algorithm

This paper discusses odor source localization (OSL) using a mobile robot in an outdoor time-variant airflow environment. A novel OSL algorithm based on particle filters (PF) is proposed. When the odor plume clue is found, the robot performs an exploratory behavior, such as a plume-tracing strategy, to collect more information about the previously unknown odor source. In parallel, the information collected by the robot is exploited by the PF-based OSL algorithm to estimate the location of the odor source in real time. The process of the OSL is terminated if the estimated source locations converge within a given small area. The Bayesian-inference-based method is also performed for comparison. Experimental results indicate that the proposed PF-based OSL algorithm performs better than the Bayesian-inference-based OSL method.     

Plume mapping via hidden Markov methods

This paper addresses the problem of mapping likely locations of a chemical source using an autonomous vehicle operating in a fluid flow. The paper reviews biological plume-tracing concepts, reviews previous strategies for vehicle-based plume tracing, and presents a new plume mapping approach based on hidden Markov methods (HMM). HMM provide efficient algorithms for predicting the likelihood of odor detection versus position, the likelihood of source location versus position, the most likely path taken by the odor to a given location, and the path between two points most likely to result in odor detection. All four are useful for solving the odor source localization problem using an autonomous vehicle. The vehicle is assumed to be capable of detecting above threshold chemical concentration and sensing the fluid flow velocity at the vehicle location. The fluid flow is assumed to vary with space and time, and to have a high Reynolds number (Re>10).     

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．     

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。     

Multi-robot olfactory search in structured environments

This paper presents a cooperative distributed approach for searching odor sources in unknown structured environments with multiple mobile robots. While searching and exploring the environment, the robots independently generate on-line local topological maps and by sharing them with each other they construct a global map. The proposed method is a decentralized frontier based algorithm enhanced by a cost/utility evaluation function that considers the odor concentration and airflow at each frontier. Therefore, frontiers with higher probability of containing an odor source will be searched and explored first. The method also improves path planning of the robots for the exploration process by presenting a priority policy. Since there is no global positioning system and each robot has its own coordinate reference system for its localization, this paper uses topological graph matching techniques for map merging. The proposed method was tested in both simulation and real world environments with different number of robots and different scenarios. The search time, exploration time, complexity of the environment and number of double-visited map nodes were investigated in the tests. The experimental results validate the functionality of the method in different configurations.     

Effectiveness of Insect-Inspired Chemical Plume-Tracking Algorithms in a Shifting Wind Field

Tracking a plume of chemical back to its source is made difficult due to the complexity of plume structure caused by turbulence and shifts in the prevailing wind direction. Insects overcome this problem using forms of anemotaxis, which involve traveling upwind when an attractive chemical is perceived. In this study, two series of insect-inspired plume-tracking algorithms were implemented on a mobile robot and their performance compared under changing wind conditions in a wind tunnel. The robot was capable of sensing wind velocity and the level of a plume of ions. Ion sensors respond and recover far more rapidly than do conventional chemical sensors, so the substitution of an ion plume for a chemical plume allowed the algorithms to be implemented with rapid responses to changing plume concentration. The addition of a specific behavioral response to a wind shift decreased the time taken for the robot to find the plume source in the event of a wind shift. Increased speed came with only a minor drop in the success rate of the searching. Anemotaxis is an effective approach to chemical plume tracking with robots. The performance of these simple algorithms can be improved by modest increases in the complexity of the algorithms.     

基于决策树的羽流追踪机器人自主决策方法研究

针对无法获得可靠羽流流向信息不利于实现羽流追踪的问题，提出了一种基于决策树的羽流追踪移动机器人自主决策方法。该方法通过移动机器人两侧的浓度传感器采集到的浓度信息，利用追踪的行为规则建立决策树模型，获得行为决策信息，使机器人高效地追踪到羽流并精确地定位。由于浓度变化关系蕴含了羽流的流向及流速信息，从而取代了传统方法中流向及流速传感器。在扩散环境下，通过移动机器人羽流追踪实验，实现了良好的源定位效果。