[发明专利]一种多机器人系统合作定位危险气味源方法

说明书

技术领域

本发明属于自动化技术领域，涉及一种多机器人系统合作定位危险气味源方法。

背景技术

危险气味源定位对人类安全有着非常重要的意义，如定位污染物的源头和化学工厂中有毒气体泄漏的源头等等。因此，如何快速有效地定位危险气味源是一个极其重要的问题。然而，危险气味源定位问题在不同的环境下，呈现出不同的特点。通常，在没有气流的条件下，气味分子的扩散是一个主要力量，它能够驱动气味分子远离气味源。最大的浓度将会在气味源的附近出现。因此，我们可以使用梯度的方法来定位气味源。然而，在真实的世界里，气流是一种影响气味扩散的主要力量，它通过影响气味分子的运动，而形成羽烟。在由高Reynolds数刻画的环境里，羽烟将会呈现出高度的不连续性和间歇性，这使得梯度方法变得不可行。此外，由于多机器人系统的可扩展性和鲁棒性，使得多机器人系统代替单机器人系统成为危险气味源定位的主要工具。目前，协调多机器人系统定位危险气味源的主要方法是群智能技术，但是，这种技术的定位成功率较低，也会使多机器人系统消耗过多的能量，一个主要的原因是，该方法主要是利用了浓度幅值信息，而浓度幅值信息的不稳定性，往往会使多机器人系统局部收敛。另外，在我国对于多机器人系统的合作定位方法的研究刚刚开始起步，仍然没有提出行之有效的方法。在这一背景下，本发明弥补了现有技术的不足。

发明内容

本发明的目标是针对现有技术的不足之处，提出多机器人系统合作定位危险气味源方法，具体是以最大熵粒子滤波理论为理论基础，设计多机器人合作定位危险气味源方法。该方法弥补了传统合作搜索方式的不足，保证多机器人系统具有较高的定位精度和稳定性的同时，也保证形式简单并减少定位过程中多机器人系统消耗的能量。

对于每一个机器人，本发明方法首先建立气味源的观测模型；然后，以预先估计的正态分布为背景分布，利用最大熵原理和其他机器人对气味源位置的估计值，获得气味源位置的先验概率分布；其次，如果检测到气味，利用观测模型获得实际测量值，修正气味源位置的先验概率分布，从而得到气味源位置的后验概率分布，并对气味源位置的后验概率分布采样，获得该气味源位置的估计值，进一步产生机器人的新位置；如果没有检测到气味，直接采样气味源位置的先验概率分布，获得该气味源位置的估计值，进一步产生机器人的新位置；最后，用一致性算法控制机器人向新位置移动。

本发明的技术方案是通过数据检测、在线优化、气味源位置概率分布评估等手段，确立了一种多机器人系统合作定位危险气味源的方法，利用该方法可有效提高气味源定位的精度。

本发明方法在第                                                ()个机器人上运行的步骤包括：

(1)利用气味分子的运动学模型，建立气味源位置的观测模型，具体方法是：

a.建立单个气味分子团的运动模型:

               

其中, 指气味分子团在时刻的位置；指气味分子团在时刻位置的微分；是在时刻的均值风速度；表示一个随机过程，该过程服从均值为零，方差为的高斯分布。

对气味分子团的运动模型在时间段[,]（）内进行积分，获得气味分子团在时刻被气味源释放，在当前时刻时的位置，如：

            

其中，[,]指积分的时间段，指气味源释放气味分子团的时间，指当前时间； 指的是在当前时间气味分子团的位置；是在时刻气味源的位置。

b.通过定义和，将该模型离散化。其中，离散时刻是气味源释放气味分子团时间的整数值；离散时刻是当前时间的整数值；是指时间的微小变化。因此，气味分子团的离散模型为：

             

其中，气味源位置在一定时间内是静止的，所以有；表示气味源在时刻释放气味分子团，在时刻的位置；表示在时间段[,]内风推动气味分子团的移动距离；表示随机过程，服从均值为零，方差的正态分布。

    考虑到气味分子团释放时间的所有可能性，即

                       

                       

则气味分子团的离散运动模型进一步表示如下：

                     

其中，为时刻气味分子团的位置；为时刻气味源的位置；为时刻风推动气味分子团移动的距离；是测量噪声，并且服从零均值，方差的正态分布。

    c.通过定义，可以得到气味源位置的观测模型：