一种基于最大梯度矢量的智能自寻的定位定向算法制造技术

本发明专利技术涉及一种基于最大梯度矢量的智能自寻的定位定向算法，步骤1、采用空间N点获得待测气体采样点的物理参数，N≥4，由N点物理参数计算最大梯度矢量方向；步骤2、解析N点物理参数的空间梯度特性，并结合在时间维度上最大梯度矢量方向发展的时空边际特性，确定调整步幅；步骤3、直至到达N点物理参数相等为止，通过改变角度与方向，验证N点物理参数是否全方位相同，至此实现对三维空间物理参数发源点的自主寻找。本发明专利技术面对未知具有分布势场的物理场参数，可实现真正沿着最大梯度传播反向或正向轨迹，自主寻找势场产生的来源或脱离势场来源的最佳轨迹；而不需要事先知道整个物理参数的时空分布状况，实现低成本快速智能寻找。实现低成本快速智能寻找。实现低成本快速智能寻找。

【技术实现步骤摘要】
一种基于最大梯度矢量的智能自寻的定位定向算法


[0001]本专利技术涉及寻找特定气体组分未知物理空间来源位置的技术方法，通过相对位置固定的多点采样与分析方法，利用气体组分沿最大梯度扩散的特性，确定自寻的最佳矢量方向及其移动量。

技术介绍

[0002]在具有梯度场特性的物理参数分布空间体系中，如温度场、电势场、压力场、气相组分浓度场等，物理参数的分布取决于产生梯度场的释放源（也称为目的源）的位置，如气相组分浓度场取决于气相组分的释放点。若目的源位置未知，则需要通过检测方法，快速寻找到目的源，即为针对各类物理参数的寻的过程，如寻找气相组分、热流、压力（气体）的来源位置。特别是在气体空间中，寻找气味（特定气相组分）释放来源，对安全、环境、工业、检验检查等行业非常重要。
[0003]由于梯度场的形成基于各类物理规律，如导热的傅里叶定律、传质的菲克定律等，而目的源的位置正是建立梯度场的极大值位置。为此利用最大梯度方向实施智能定位与定向，可以快速的寻找到释放目的地。
[0004]同样，对于汇集点则是梯度场的极小值位置，也可以通过类似的功能寻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于最大梯度矢量的智能自寻的定位定向算法，包括以下步骤：步骤1、采用空间N点获得待测气体采样点的物理参数，N≥4，由N点物理参数计算最大梯度矢量方向；步骤2、解析N点物理参数的空间梯度特性，并结合在时间维度上最大梯度矢量方向发展的时空边际特性，确定调整步幅；步骤3、重复步骤2，直至到达N点物理参数相等为止，通过改变角度与方向，验证N点物理参数是否全方位相同，至此实现对三维空间物理参数发源点的自主寻找。2.根据权利要求1所述的基于最大梯度矢量的智能自寻的定位定向算法，其特征在于：步骤2中的调整步幅可沿最大梯度矢量的逆向自主寻找势场产生的来源或正向自主寻找脱离势场来源的最佳轨迹。3.一种智能仿生鼻，其特征在于：其使用权利要求1或2所述的定位定向算法。4.根据权利要求3所述的智能仿生鼻，其特征在于：其应用于智能寻找安全隐患、危险气体、易挥发气体的来源。5.一种基于最大梯度矢量的智能自寻的定位定向算法，包括以下步骤：步骤1：构建四点气体采样的空间物理结构，如正四面体的采样检测结构，确定其一点为固定的顶点，其它三点为底面三点；步骤2：将正四面体采样结构任意置于待分析的物理参数空间中，获取其四点的物理参数数值h(P
i
)，h为对应点P
i
（i=0,1,2,3）的物理参数数值；步骤3：利用四点的物理参数数值，计算顶点P0至底面三点P
k
（k=1,2,3）的三个侧边P
0，k
方向的梯度：P0至P
k
梯度矢量：；为顶点P0至点P
k
（k=1,2,3）的单位度量矢量，为的数值;绝对值为梯度矢量的模；步骤4：对三个侧边梯度矢量（k=1,2,3），根据（k=1,2,3）数值排序，筛选出最大及其投影对应的侧面Smax；步骤5：以侧面Smax的两个侧边向量为对象，计算...

【专利技术属性】
技术研发人员：夏若乘，董凤兰，
申请(专利权)人：北京爱克塞科技有限公司，
类型：发明
国别省市：