[发明专利]一种基于烟花算法的气味源定位方法

说明书

技术领域

本发明涉及机器人主动嗅觉领域，特别涉及基于烟花算法来完成对气味源定位的方法。

背景技术

目前，由于现有的传统的固定（无线）传感器网络和生物检测法在有毒气体检测、火灾建筑物搜索、以及反恐排险等领域的应用效果不好，浪费大量的人力、财力和物力，具有一定的局限性。移动机器人可以主动地寻找目标化学物质并确定其所在位置，覆盖范围更大，灵活性更好，并且可以克服生物易疲劳和注意力易分散等缺点。

近年来，机器人技术迅速发展，使机器人在一些恶劣的环境下完成任务成为了可能。机器人主动嗅觉（ActiveOlfaction）成为了当今机器人领域研究的热点之一，又称之为机器人气味源定位（OdorSourceLocalization），Hayes将气味源定位的过程分为三个子任务：烟羽发现、烟羽跟踪和气味源确认。

现有的研究成果大都利用Zigzag遍历法或Sprial遍历法进行烟羽发现，依靠风向信息结合一些智能算法（如蚁群算法、萤火虫算法以及模拟退火算法等）逆风搜索来跟踪烟羽，根据算法的终止条件进行气味源确认。虽然这些方法都可以定位到气味源，但是它们都不兼备烟羽发现、烟羽跟踪和气味源定位的功能，且实际风速和风向的波动幅度较大，气味源在空气中的扩散受其影响较大，这时参考风向信息，利用风趋向性进行气味源定位，搜索效果差，易使搜索过程中的机器人陷入局部最优，搜索效率低。若能够利用烟花算法让机器人解决现有气味源定位过程中存在的问题，将会给我们的生活带来很大的便利。

本发明的目的是为了针对现有气味源定位问题存在的不足，提出一种基于烟花算法的机器人气味源定位方法，它可以兼备烟羽发现、烟羽跟踪和气味源定位的功能，而且在不依赖风向信息的情况下，有效地避免机器人在搜索过程中陷入局部最优，准确迅速地定位到气味源的位置。

发明内容

为了解决现有的机器人气味源定位方法对环境已知信息要求较高、功能单一且易陷入局部最优状态的缺点，本发明提出了一种基于烟花算法的机器人气味源定位方法，机器人能够在不依靠风向信息的情况下，可以充分利用其位置和浓度信息来发现烟羽、跟踪烟羽并避免其在搜索过程中陷入局部最优，最后准确地定位到气味源位置，大大地提高了搜索效率。

本发明解决其技术问题所采用的技术方案是：

烟羽发现和烟羽跟踪：

基于烟花算法的爆炸机制，烟花在一定的范围内（爆炸半径）爆炸产生火花。每次爆炸都包括其位置更新阶段和浓度信息更新阶段。

首先在搜索空间随机放置一个烟花，即问题的初始解。烟花在爆炸的同时有一个爆炸半径，产生的火花散落在这一半径范围内。在算法中我们对搜索空间的边界区域进行了限制，若烟花在爆炸过程中产生的火花超出了边界区域，则将此火花随机地映射到搜索空间内。重复烟花爆炸产生火花这一过程，随着迭代次数的增加，烟花和火花的位置会逐渐地朝着优化问题的最优解位置收敛。

在室内通风环境中，由于搜索过程中会有一部分搜索区域几乎没有浓度信息，算法在初始阶段可能会接触不到烟羽，因此在算法运行初期，烟花的适应度值会比较差。为了使烟花算法可以更好的应用在机器人主动嗅觉这个领域，本发明在原有烟花算法爆炸半径公式的基础上对其进行了修正，烟花爆炸半径可根据当前烟花的目标函数值与阈值的差值的大小进行自适应的变化，其大小由式（1）决定：

（1）

其中，为常数，是为了使爆炸半径与浓度差值保持在一个数量级上。表示预先设定阈值与当前烟花的浓度值的差值，即。在机器人刚进入到目标环境时，初始位置随机选择，很有可能该位置的浓度值比较小，但此时爆炸半径大，全局搜索能力很强，加强在整个搜索空间的搜索。当烟花位置收敛到全局最优解附近的时候，其爆炸半径接近于零，加强局部搜索能力，快速地定位到气味源位置。而当烟花陷入局部最优解的时候，此时当前烟花的浓度值会比较小，即，则可以立即跳出局部最优状态。

气味源确认：

重复烟花爆炸的过程，当检测到当前烟花的气味浓度值大于预先设定阈值或者算法实际运行的迭代次数大于设定的参数时，算法终止，确认烟花最后的位置即为气味源位置。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明方法的流程图。

具体实施方式

1.初始化。

1.1设定初始参数：在搜索空间随机地选择一个边界位置放置烟花，作为初始解。

1.2设定算法终止条件：浓度阈值和迭代次数。