微小型投掷式林火余火探测机器人群体的监测方法研究

After exterminating forest fire, dangerous forest residual fire is covered in some regions difficult to arrive at. For the first time, this proposal puts forward to detect forest residual fire by miniature throwable multi-robots. After throwed in the forest, miniature multi-robots move to build up the detecting network for forest residual fire, and then feedback fire information in the target regions. On the one hand, we focus on compositive monitoring methods for forest residual fire in this proposal. On the other hand, in order to detect residual fire rapidly and completely, we would make research on the coverage of multi-robots, including different path-planning arithmetics and influence on coverage.

针对森林明火扑灭后，容易复燃的余火往往存在于灭火人员不易到达的区域，本申请在国内外首次提出采用微小型投掷式机器人群体进行森林余火探测。微小型投掷式机器人群体在空投或投掷后，通过移动构建余火探测网络，反馈目标区域余火信息。重点针对林火余火的特点，研究林火余火多参量综合监测手段和方法。针对余火探测快速全面的要求，研究微小型投掷式机器人群体的余火探测区域覆盖问题：不同运动规划算法及其对区域覆盖的影响和评价。

本项目按计划任务书要求，进行了大量点火实验，较好的完成了计划任务，取得的主要研究结果如下：（1）在林火监测方法方面，提出了三种林火识别方法，通过实验证明：基于BP神经网络和径向基网络的多传感器林火监测的准确率分别为99.625%和90.875%；基于红外热像仪的林火自动识别方法，操作方便，算法快速有效；基于可见光图像的林火监测中，面积特征、圆形度特征和形状相似性特征都是较好的识别判据。（2）在机器人运动规划算法方面，提出了两种机器人在林区部署后的运动规划算法：基于A-STAR模型的运动规划算法和基于环境感知的POMDP路径搜素算法，仿真实验证明两种方法均有效。（3）在机器人群体的区域覆盖方面，提出了基于遗传算法的余火目标区域覆盖算法，经过实验调试获得了最佳的寻优目标函数，仿真实验证明该算法能够完成目标区域覆盖的任务。以上方法不仅对林火余火的监测具有较强的理论价值和实际意义，对移动机器人的研究也具有借鉴意义。