一种面向未知环境的多放射源在线探寻方法技术

一种面向未知环境的多放射源在线探寻方法，属于未知空间内多放射源位置和强度信息在线探寻技术领域。解决现有了未知空间内多放射源检测存在准确性差，效率低的问题。本发明专利技术每次测量集迭代中，消耗的时间与粒子群数目呈线性关系，因此不会随放射源数目的增加而陷入维度灾难困境，体现了本发明专利技术所述在线预测方法的高效性。此外，由于在原始PSPF算法基础上引入了自适应差分进化思想，使得本发明专利技术方法不仅减少了各个群的粒子数，还提高了预测的准确性。本发明专利技术适用于未知环境的多放射源探寻。本发明专利技术适用于未知环境的多放射源探寻。本发明专利技术适用于未知环境的多放射源探寻。

【技术实现步骤摘要】
一种面向未知环境的多放射源在线探寻方法


[0001]本专利技术属于未知空间内多放射源位置和强度信息在线探寻


技术介绍

[0002]放射源为通过放射性物质构成的辐射源的通称，其强度呈在空间中按照距离二次方递减的规律。由于放射源具有携带能量高、场叠加现象明显、存在统计波动性等特点，在数量和强度未知的情况下对其进行采样和预测已成为探索辐射环境的难点。与人工探测方式相比，由机器人在线完成辐射探测和预测具有显著的安全性优势。此外，相对于利用传感器阵列或特种传感器组合(γ相机、辐射频谱仪)的传统辨识方法，基于机器人携带的全向辐射传感器进行稀疏采样、在线预测和数目非参估计等问题具有更高的智能度和实用价值。仅凭借机器人携带的传感器数据对可疑环境进行多点放射源状态估计和制定有效探索策略为机器人自主探寻多放射源任务的关键问题。
[0003]与已知环境单放射源探寻相比，目前在线探寻多点放射源的研究包含以下难点：
[0004](1)由于多峰辐射场中的累积辐射效应和GM计数器的测量特性，机载传感器只能获得当前位置包含本底辐射的累积辐射剂量率，但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向未知环境的多放射源在线探寻方法，其特征在于，该方法包括：步骤一、根据待测未知区域的范围对机器人的位置及转角姿态进行初始设置，根据先验知识对待测未知区域放射源个数进行估计，对多层粒子群的层数进行设定；步骤二、根据当前机器人的位置，对RRT搜索树进行初始化；步骤三、在待测未知区域内进行随机采样，通过基于代价地图的障碍检测方法，对初始化后的RRT搜索树在待测未知区域内进行扩展，获得扩展后的RRT搜索树的子节点集合和分支；步骤四、采用全向辐射传感器对当前机器人位置的辐射强度进行采样，结合自适应差分进化
‑
峰值抑制粒子滤波算法对待测未知区域内的放射源状态进行预测，同时计算所有层粒子群状态对应的最优置信概率；步骤五、判断步骤四计算的置信概率是否大于或等于终止置信概率阈值THR
conf
，且已探索面积S
exp
占待测未知区域面积S
sus
的比例S
exp
/S
sus
是否大于或等于终止探索面积占比THR
exp
，若是，则完成未知环境的多放射源的在线探寻，否则，执行步骤六；步骤六、根据步骤四所述的待测未知区域的放射源状态的预测值，计算步骤三获得的子节点集合中每个子节点的辐射场信息增益Gain
src
；步骤七、通过辐射增益修正项和重复探索修正项对每个子节点的辐射场信息增益Gain
src
进行修正；步骤八、根据子节点增益最大化准则，对步骤七修正后的所有子节点的辐射场信息增益进行筛选，获得子节点辐射场信息增益最大的分支，将所述辐射场信息增益最大分支的第一个子节点作为该次探索的目标采样点；步骤九、利用DWA算法对机器人进行导航，使机器人移动到步骤八所述的探索的目标采样点；返回执行步骤二。2.根据权利要求1所述的一种面向未知环境的多放射源在线探寻方法，其特征在于，步骤二中，根据当前机器人的位置，对RRT搜索树进行初始化的具体方法为：以机器人位置为中心，沿周向均匀向外延伸q个分支，对RRT搜索树进行扩展，获得q个分支及q个子节点；完成RRT搜索树初始化；其中，q为大于或等于12的正整数。3.根据权利要求1所述的一种面向未知环境的多放射源在线探寻方法，其特征在于，步骤三中，在未知区域中进行随机采样，通过障碍检测方法，对初始化后的RRT搜索树进行扩展，获得扩展后的RRT搜索树的子节点集合的具体方法为：步骤三一、在待测未知区域中进行随机采样，在RRT搜索树中寻找与采样点最邻近的子节点，将采样点与最近邻的子节点连接，获得一条分支路径；步骤三二、采用基于代价地图的障碍检测方法，判断所述分支路径上是否有障碍物，若有，则放弃该采样点，返回执行步骤三一；否则，执行步骤三三；步骤三三、在所述分支路径上截取固定步长，将截取点作为子节点，实现RRT搜索树的一步扩展，并判断当前子节点个数是否达到子节点数量阈值，若是，获得子节点集合，否则，返回执行步骤三一。4.根据权利要求1所述的一种面向未知环境的多放射源在线探寻方法，其特征在于，步骤四中，采用全向辐射传感器对当前机器人位置的辐射强度进行采样，结合自适应差分进化
‑
峰值抑制粒子滤波算法对未知区域的放射源状态进行预测的具体方法为：
利用当前机器人位置的辐射强度，对每层粒子群分别进行粒子更新，并通过均值偏移聚类算法，对每层粒子群分别进行中心聚类，并判断每层粒子群中的聚类中心是否满足中心强度限定条件，将满足中心强度限定条件的聚类中心的状态作为预测的放射源的状态；其中，获取第k层粒子群的放射源状态预测的具体方法为：步骤四一、利用当前机器人位置的辐射强度，根据差分进化算法，建立适应度函数，利用适应度函数计算第K层初始粒子群中每个初始粒子的适应度；步骤四二、通过变异策略，对第K层的粒子群中每个初始粒子作变异处理，获得对应的变异粒子；步骤四三、对每个变异粒子作交叉操作，获得对应的试验粒子：步骤四四、计算每个试验粒子的适应度，判断每个试验粒子的适应度是否大于其对应的初始粒子的适应度，若是，则将该层粒子群中的初始粒子更新为对应的试验粒子；完成对该层粒子群状态的一次更新；步骤四五、判断粒子群状态该次更新的次数是否达到迭代次数阈值，，若是，执行步骤四六，否则，将步骤四四更新后的粒子群作为初始粒子群，返回执行步骤四一；步骤四六、对更新后的粒子群进行均值偏移聚类，判断聚类中心是否满足中心强度限定条件；若是，则将所述聚类中心的位置及该位置的辐射强度作为辐射源状态的预测值；否则，第K层粒子群中无放射源。5.根据权利要求4所述的一种面向未知环境的多放射源在线探寻方法，其特征在于，步骤四中，步骤四一中，适应度函数为：w(p
i
)＝w
obs
(m(S
h
),p
i
,C
‑
k
)
·
w
ps
(p
i
,θ
ps
)
·
w
dist
(p
i
,C
‑
k
)
ꢀꢀꢀꢀ
公式一其中，w(p
i
)为粒子p
i
对应的...

【专利技术属性】
技术研发人员：王伟东，杜志江，白华，高文锐，丁鹏超，王公成，刘月明，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：