一种基于APF-PSO算法的污染源定位方法技术

本发明专利技术提供一种基于APF‑PSO算法的污染源定位方法，采用PSO算法将移动传感器节点当做粒子，通过环境浓度和自身能量控制移动节点不断向污染物浓度大的区域移动，同时采用APF算法在各个移动节点和障碍物周围设计对应的斥力场，避免了节点在移向污染物中心的过程中发生碰撞；最终根据移动节点群体在环境中的移动轨迹和最终分布，利用SVR复现整个环境，从而对污染物源头进行定位。本发明专利技术的有益效果：考虑了移动传感器的能量问题，将节点剩余能量引入节点的运动控制中，使得整个探测过程节点能耗小、能耗稳定；所述方法原理简单，易于实现。

【技术实现步骤摘要】
一种基于APF-PSO算法的污染源定位方法
本专利技术涉及环境监测领域，尤其涉及一种基于APF-PSO算法的污染源定位方法。
技术介绍
日益发展的经济带来了生活质量的提升、科技的进步，但也造成了环境污染问题。化学物品及危险品在生产、运输、使用过程中由于人为疏忽、错误操作造成泄漏等等导致突发性环境污染，在处理此类污染事件时，需第一时间对污染物源头进行定位，并提供污染物的扩散情况，为事故处理提供强有力的帮助。以水环境为例，常用的污染源定位及追踪方法有遥感探测、移动机器人探测、人工探测等，但这些技术在水污染源探测与定位中存在很大的局限性，例如，遥感技术只能观测到扩散较为缓慢的水体表面污染，人工探测成本较高且受到地形限制。无线传感器网络具有节点分布密集、多节点协同工作、成本相对低廉、监测范围广、地理位置限制小等诸多优点，但现有基于无线传感器节点的污染源定位算法大部分都随机固定节点位置，定位结果过多依赖定位模型和算法，缺少移动性和灵活性，对特殊情况的适用性较低；另一方面，对于移动传感器节点定位算法，大多没有考虑节点在复杂环境中的碰撞问题。另外，移动传感器节点大都以电池供电，但电池电量有限，节点可以移动的距离受到能量限制，如何在保证节点探索到污染源的同时尽可能降低能耗、延长电池使用寿命，也是值得关注的问题。
技术实现思路
有鉴于此，本专利技术提供了一种移动传感器节点群体在未知的水环境中定位污染源的方法，旨在探究未知环境的污染物浓度，利用节点群体对污染物严重区域进行覆盖，同时避免节点群体在运动过程中产生碰撞，最终通过多节点采集数据从而复现整个环境中污染物的分布。本专利技术提供一种基于APF-PSO算法的污染源定位方法，包括以下步骤：S1、随机选取各个移动节点的初始位置，并设置移动节点的初始能量E0以及每一次运动的时间t，所有移动节点根据初始速度进行第1次运动；S2、完成第k次运动后，对于任一移动节点，计算所述移动节点运动后的剩余能量，判断能量是否低于能量阈值Eth，若是，则能量低于能量阈值Eth的所述移动节点停止工作，对所有移动节点进行判断，若所有移动节点均停止工作则执行步骤S6，否则能量不低于能量阈值Eth的移动节点继续执行步骤S3；S3、对于任一移动节点，采集所述移动节点的当前位置的污染物浓度，记录所述移动节点采集到的最大浓度及对应的位置，并对所有移动节点采集到的最大浓度及对应的位置进行更新，计算所述移动节点在当前位置采集的污染物浓度与上一位置采集的污染物浓度的浓度差值，根据所述浓度差值判断移动节点是否到达污染物中心区域，若是，则到达污染物中心区域的所述移动节点停止工作；对所有移动节点进行判断，若所有移动节点均停止工作则执行步骤S6，否则未到达污染物中心区域的移动节点继续执行步骤S4；S4、根据步骤S3中记录和更新的数据对移动节点的运动速度进行调整，得到更新速度S5、根据斥力场计算出移动节点受到的斥力速度从而得到移动节点下一次运动的速度并根据所述下一次运动的速度以及时间t运动到下一位置，运动次数k增加1次；判断运动次数k是否小于阈值N，若是则回到步骤S2，否则执行步骤S6；S6、根据移动节点的移动轨迹以及最终分布，重构整个环境中的污染物分布，从而确定污染源中心。进一步地，所述步骤S4中，所述更新速度的计算公式如下：式中，表示移动节点第k次运动的速度；△Ck表示移动节点在当前位置xk处与采集到最大浓度的位置pk处的浓度的差值，ρp表示移动节点的当前位置xk与采集到最大浓度的位置pk之间的距离；△Cmax表示移动节点在当前位置xk处与所有移动节点采集到最大浓度的位置gk处的浓度的差值，ρg表示移动节点当前位置xk与所有移动节点采集到最大浓度的位置gk之间的距离；c1、c2均为固定系数，rand1、rand2均为[-1,1]之间的随机值。进一步地，所述步骤S5中，所述斥力场根据人工势能场法在移动节点和障碍物周围抽象得到，通过斥力场的排斥作用来避免碰撞；根据移动节点和障碍物的状态将斥力场分为动态节点斥力场和静态障碍物斥力场两类。进一步地，所述动态节点斥力场如下：式中，表示移动节点i受到的来自其他节点j的排斥速度，所述排斥速度的方向由其他节点j指向所述移动节点i；ρi,j表示移动节点i与移动节点j之间的距离，ρ0表示动态节点斥力场的范围大小，当两个节点之间的距离ρi,j小于所述范围ρ0时会产生排斥速度；Ek、E0分别表示移动节点i第k次运动后的剩余能量和运动初始能量，Eth表示为供应节点运动的最低能量阈值；Knode表示动态节点斥力场的排斥系数，表示节点间的最大排斥速度，所述最大排斥速度的方向与排斥速度相同。进一步地，所述静态障碍物斥力场如下：式中，表示障碍物对移动节点i的排斥速度，所述排斥速度的方向由障碍物指向所述移动节点i；ρi表示移动节点i与障碍物之间的距离，ρobs表示静态障碍物斥力场的范围大小，当移动节点i与障碍物之间的距离ρi小于所述范围ρobs时会产生排斥速度；Kobs表示静态障碍物斥力场的排斥系数，表示障碍物与节点间的最大排斥速度，所述最大排斥速度的方向与排斥速度相同；表示绕行速度，所述绕行速度的方向垂直于移动节点与障碍物的连线。进一步地，所述移动节点受到的斥力速度为周围所有节点对所述移动节点的排斥速度以及周围所有障碍物对所述移动节点的排斥速度的矢量和。进一步地，所述步骤S2中，移动节点第k运动后的剩余能量为Ek＝Ek-1-ε×dk，其中，Ek、Ek-1分别表示移动节点第k次运动后和第k-1次运动后的剩余能量，dk表示节点在第k运动内的运动距离，ε表示节点的能耗系数。进一步地，所述步骤S3中，判断所述浓度差值是否小于阈值，若是，则判定所述移动节点到达污染物中心区域；否则判定所述移动节点未到达污染物中心区域。进一步地，所述步骤S6中，采用SVR进行建模，重构整个环境中的污染物分布。本专利技术提供的技术方案带来的有益效果是：采用粒子群优化算法(PSO)，将移动传感器节点当做粒子，通过环境浓度和自身能量控制其不断向污染物浓度大的区域汇聚，原理简单，易于实现；采用人工势能场法(APF)在各个移动节点和障碍物周围设计对应的斥力场，避免了节点在移向污染物中心的过程中发生碰撞；考虑了移动传感器的能量问题，将节点剩余能量引入节点的运动控制中，使得整个探测过程节点能耗小、能耗稳定。附图说明图1是本专利技术实施例提供的基于APF-PSO算法的污染源定位方法的流程图；图2是本专利技术实施例提供的matlab仿真的污染环境示意图；图3是本专利技术实施例提供的移动节点的初始分布图；图4是本专利技术实施例提供的移动节点绕开障碍物的示意图；图5是本专利技术实施例提供的移动节点的最终分布图；图6是本专利技术实施例提供的某一移动节点的运动轨迹图；图7是本专利技术实施例提供的利用SVR重建后的污染物分布图；图8是本专利技术实施例提供的移动节点避开直本文档来自技高网...

【技术保护点】
1.一种基于APF-PSO算法的污染源定位方法，其特征在于，包括以下步骤：/nS1、随机选取各个移动节点的初始位置，并设置移动节点的初始能量E

【技术特征摘要】
1.一种基于APF-PSO算法的污染源定位方法，其特征在于，包括以下步骤：
S1、随机选取各个移动节点的初始位置，并设置移动节点的初始能量E0以及每一次运动的时间t，所有移动节点根据初始速度进行第1次运动；
S2、完成第k次运动后，对于任一移动节点，计算所述移动节点运动后的剩余能量，判断能量是否低于能量阈值Eth，若是，则能量低于能量阈值Eth的所述移动节点停止工作，对所有移动节点进行判断，若所有移动节点均停止工作则执行步骤S6，否则能量不低于能量阈值Eth的移动节点继续执行步骤S3；
S3、对于任一移动节点，采集所述移动节点的当前位置的污染物浓度，记录所述移动节点采集到的最大浓度及对应的位置，并对所有移动节点采集到的最大浓度及对应的位置进行更新，计算所述移动节点在当前位置采集的污染物浓度与上一位置采集的污染物浓度的浓度差值，根据所述浓度差值判断移动节点是否到达污染物中心区域，若是，则到达污染物中心区域的所述移动节点停止工作；对所有移动节点进行判断，若所有移动节点均停止工作则执行步骤S6，否则未到达污染物中心区域的移动节点继续执行步骤S4；
S4、根据步骤S3中记录和更新的数据对移动节点的运动速度进行调整，得到更新速度
S5、根据斥力场计算出移动节点受到的斥力速度从而得到移动节点下一次运动的速度并根据所述下一次运动的速度以及时间t运动到下一位置，运动次数k增加1次；判断运动次数k是否小于阈值N，若是则回到步骤S2，否则执行步骤S6；
S6、根据移动节点的移动轨迹以及最终分布，重构整个环境中的污染物分布，从而确定污染源中心。


2.根据权利要求1所述的基于APF-PSO算法的污染源定位方法，其特征在于，所述步骤S4中，所述更新速度的计算公式如下：



式中，表示移动节点第k次运动的速度；△Ck表示移动节点在当前位置xk处与采集到最大浓度的位置pk处的浓度的差值，ρp表示移动节点的当前位置xk与采集到最大浓度的位置pk之间的距离；△Cmax表示移动节点在当前位置xk处与所有移动节点采集到最大浓度的位置gk处的浓度的差值，ρg表示移动节点当前位置xk与所有移动节点采集到最大浓度的位置gk之间的距离；c1、c2均为固定系数，rand1、rand2均为[-1,1]之间的随机值。


3.根据权利要求1所述的基于APF-PSO算法的污染源定位方法，其特征在于，所述步骤S5中，所述斥力场根据人工势能场法在移动节点和障碍物周围抽象得到，通过斥力场的排斥作用来避免...

【专利技术属性】
技术研发人员：王剑桥，王勇，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北;42