动态整合多种搜寻策略的气体泄漏源搜寻方法技术

一种动态整合多种搜寻策略的气体泄漏源搜寻方法，有：采用人工神经网络方法估计不同搜寻条件下的各类搜寻方法适用度的阶段，确定影响各搜寻方法性能的主要因素，和训练用于估计各搜寻方法适用度的人工神经网络；烟羽发现阶段的整合方式，即，采用基于视觉注意机制的搜寻方法与随机搜寻方法相结合的整合策略；烟羽追踪阶段的整合方式，当机器人检测到气体浓度信息时，采用化学趋向性方法和风趋向性方法以及视觉方法分别判定下一步的搜寻方向，并将当前时刻的搜寻条件，即影响搜寻方法性能的主要因素，输入至训练好的人工神经网络得到各方法的适用度，采用驱动力矢量合成的方法规划机器人局部搜寻路径。本发明专利技术可显著提高气体泄漏源搜寻的效率和成功率。

【技术实现步骤摘要】

本专利技术涉及一种气体泄漏源搜寻方法。特别是涉及一种对环境或搜寻条件的变化具 有很强的应变能力，可显著提高气体泄漏源搜寻的效率和成功率的动态整合多种搜寻策 略的气体泄漏源搜寻方法。
技术介绍
随着工业化的发展，毒害气体泄漏引发的恶性事故频频发生，借助移动机器人迅速 探明毒害气体泄漏源，消除灾害隐患，对保证生产和人员安全具有重要意义。传统的气体泄漏源嗅觉搜寻方法主要分两歩完成。首先，应尽快找到泄漏气体信息； 其次，快速地追踪泄漏气体信息，即烟羽发现和烟羽追踪。在烟羽发现方面，目前普遍 采用随机搜索方式，如"Z" (Zigzag)字形运动、螺旋运动等方法(期刊IEEE Sensors Journal;著者Hayes A T， Martinoli A, Goodman R M;出版年月2002年；文章题 目Distributed odor source localization,页码260-271)。但是，这些便利方法 都是基于场景中的所有区域出现泄漏源的概率相同的假设，该假设显然与实际情况不符， 因为场景中有些区域出现泄漏源的概率大，有些则可能小，因此上述随机方法存在一定 的盲目性。在本文档来自技高网...

【技术保护点】
一种动态整合多种搜寻策略的气体泄漏源搜寻方法，其特征在于，包括有如下三个阶段：　（１）采用人工神经网络方法估计不同搜寻条件下的各类搜寻方法适用度的阶段，即，确定影响各搜寻方法性能的主要因素，和训练用于估计各搜寻方法适用度的人工神经网络；　（２）烟羽发现阶段的整合方式，即，采用基于视觉注意机制的搜寻方法与随机搜寻方法相结合的整合策略；　（３）烟羽追踪阶段的整合方式，当机器人检测到气体浓度信息时，即发现烟羽后，采用化学趋向性方法和风趋向性方法以及视觉方法分别判定下一步的搜寻方向，并将当前时刻的搜寻条件，即影响搜寻方法性能的主要因素，输入至训练好的人工神经网络得到各方法的适用度，即驱动力大小，最后，...

【技术特征摘要】

【专利技术属性】
技术研发人员：曾明，孟庆浩，蒋萍，李吉功，李飞，
申请(专利权)人：天津大学，
类型：发明
国别省市：12[中国|天津]