基于种群-虚拟物理力的多自主移动机器人主动嗅觉气味源定位策略研究

The problem of dangerous gas source localization with mobile robot has become the focus of current research. Under the background of application on dangerous gas source localization with multi-robots, the project aims to study an active olfaction algorithm combined the virtual physics forces with the glowworm swarm optimization algorithm, being wished to improving the success rate and speed of gas source localization. In order to overcome the influence of plume dynamic feature and avoid the local extreme, based on the previous studies, the heuristic thought is introduced to get better weight coefficients of the component forces. As the glowworm swarm optimization algorithm could calculate multimode function of multi-optimization simultaneously, an active olfaction algorithm based on swarm and virtual physics would be put forward, which could improve the speed and robustness of single gas source localization effectively, and solves the problem of gas multi-source localization. In order to eliminate the divergent instability local peak, a gas localization algorithm would be proposed with heuristic thoughts and mass flux calculation method. Finally, the continuous dynamic plume model would be established with FLUENT software, where the effectiveness and robustness of proposed active olfaction algorithms would be verified.

通过使用移动机器人进行危险气味源定位问题已成为当前研究的热点。本项目以多机器人对危险气味源搜索定位应用为背景，以提高多气味源定位的成功率和速度为切入点，探索虚拟物理力和萤火虫群优化算法相结合的主动嗅觉算法。为了克服烟羽动态复杂特性的影响，同时避免陷入局部极值，拟提出基于虚拟物理力的主动嗅觉算法，在前期构造虚拟物理力的研究基础上，侧重研究采用启发式思想获得各分力的权重系数，以平衡三者分力之间的关系；利用萤火虫群优化算法可以同时计算多模函数的多优化问题的特性，拟提出基于种群-虚拟力的主动嗅觉算法，以进一步提高单个气味源定位的速度和鲁棒性，并解决多气味源定位的问题；基于启发式思想和气味质量通量计算方法，拟提出一种气味源确认算法，希望可以有效地排除发散的、不稳定局部最优点。最后利用FLUENT软件建立不同环境下的动态烟羽模型，用以验证提出的主动嗅觉算法的有效性和鲁棒性。

本项目主要是针对近年来越来越多的有害气味品意外泄露和逐渐增长的生化恐怖袭击，研究利用配有气味传感器的移动机器人，实现对有害气味源的快速定位及有效控制的方法。目前，对于气味源定位问题的研究主要集中在使用单个或多个独立机器人对单一气味源进行寻找、检测和跟踪。该项目更加关注多气味源的高效、快速定位这类更为复杂、但在实际生活中更加常见的情况。该项目的主要研究内容有：.（1）针对室内通风环境下单个气味源定位问题，提出了基于虚拟力的多机器人定位策略,该虚拟力包括多机器人之间的编队控制力、用于跟踪烟羽的目标力及避障力。仿真实验考察了在有（无）障碍物的室内湍流环境下，机器人数目、机器人初始位置以及烟羽释放率和风速/风向变化率对搜索速度的影响；并对三种常用烟羽跟踪算法的性能进行了对比和优劣分析。针对室内无风环境下多个气味源定位问题，提出了基于修正萤火虫优化算法的搜索策略（M-GSO）。实验证明修正萤火虫优化算法定位效果良好，同时也提高了搜索速度。. （2）本项目提出了基于改进烟花算法的气味源定位方法。在不考虑风向信息的同时，机器人可以充分利用其在搜索过程中的位置信息和浓度信息，快速的发现烟羽、并高效的跟踪烟羽，引导机器人逐渐地向气味源位置收敛。在高斯烟羽模型的基础上对该方法的搜索策略进行了仿真，验证了该算法的有效性。.(3)针对气味源识别与定位效果由于光照变化等情况而造成的定位精度损失的情况，本项目结合移动机器人同步定位与地图（SLAM)，提出了一种基于点云数据的气味源识别与定位方法。实验表明，该方法能在有效的时间内识别到气味源并准确的获取气味源的位置信息。. （4）本文使用FLUENT软件,建立了室内通风环境下单个气味源的二维湍流烟羽模型及室外通风环境下多个气味源的二维湍流烟羽模型；同时设计了仿真机器人模型；并基于MATLAB软件，建立了多机器人气味源定位的可视化动态仿真环境,用于验证气味源主动嗅觉定位方法的有效性。. 本项目所研究的多自主移动机器人主动嗅觉方法可以有效地弥补传统方法存在的缺点。