一种基于群体分配的多未知目标定位方法技术

本发明专利技术创造性地将多无人机群体分配与改进海鸥算法相结合，公开了一种基于群体分配的多未知目标定位方法。相对于传统的依赖固定传感器网络或地面移动机器人的溯源方法，本发明专利技术以无人机集群作为气体泄漏的溯源平台，具有成本低、搜索范围广、灵活性强和溯源效率高等优点。基于群体分配的多未知目标定位方法，相比于改进海鸥算法，具有如下创新性：组形成根据距离和适应度来评估无人机加入哪个组，有助于无人机有选择的加入组；限制组大小提高了无人机分配效率；组合并操作可以提升系统性能和避免局部冗余覆盖。本方法在多气体污染源浓度场仿真实验中，高效地实现了多气体污染源的定位。位。

【技术实现步骤摘要】
一种基于群体分配的多未知目标定位方法


[0001]本专利技术涉及一种基于群体分配的多未知目标定位方法，属于多旋翼无人机与大气环境监测领域。

技术介绍

[0002]作为我国经济发展的重要支撑，工业发展对经济的影响显而易见，但随之而来的环境污染问题也在不断突出。当前，大气环境污染相关问题时有发生，如工业生产过程中污染气体排放产生的异常气味，时常引起居民的不满情绪和投诉，有毒有害气体泄漏事故的发生，会对人体健康造成极大危害。因此，把未知污染源作为溯源目标，精准和快速地定位污染源的位置，对实现大气污染的靶向治理和制定有效的应急处置方案具有重要意义。传统的气体泄漏源定位方法主要包括固定传感器网络监测法和生物检测法，固定传感器网络监测法只能对固定的区域进行监测，需提前在有可能发生污染源泄漏的区域布设传感器网络，难以应对突发性的污染源泄漏，并且越大的监测范围需要越多的传感器，成本也会相应增加。而生物检测法对进入污染现场的专业人员存在着一定的危险性，由动物进入现场完成任务，需要提前花费较长时间对动物进行训练，并且随着污染源搜索过程的进行，动物的注意力和体力都会有所下降，难以完成搜索任务。当前，无人机在环境领域的应用正处于高速发展阶段，无人机有着成本低、搜索范围广和灵活性强等优点，以无人机作为大气污染源定位平台，可以扩大溯源的范围，提高溯源的效率。
[0003]在专利“一种基于改进海鸥算法的多无人机气体泄漏源定位方法”(公告号：CN114279636A)中，针对单污染源定位，提出了一种基于改进海鸥算法的多无人机气体泄漏源定位方法，而在实际环境中，多个污染源同时泄漏的情况也时有发生。目前，针对多个大气污染源进行定位的方法较少。
[0004]针对当前日益严重的环境污染问题以及现有气体泄漏源定位方法的局限性，本专利技术要解决的技术问题是“基于群体分配的多未知目标定位问题”。

技术实现思路

[0005]本专利技术的目的是为了弥补现有气体污染源定位技术的不足，提出了一种基于群体分配的多未知目标定位方法，将大气污染物溯源领域的单目标定位问题拓展到多目标定位问题上，在改进海鸥算法的基础上，使用群体分配策略进行多个体的组形成、限制组大小、组合并和组拆解操作。该方法具有全局搜索能力强、收敛性强和不易陷入局部最优等优点，可以快速、高效地定位多个泄漏源。针对多未知目标定位问题，本专利技术提出一种群体分配策略。首先，本专利技术考虑一个由n个无人机R
i
(i＝1...n)组成的系统，该系统配备有传感器，用于测量羽流浓度和风向，并在无障碍空间中移动。假设无人机具有气味感知、定位、通信和在搜索空间内移动的能力。有m个气味源S
j
(j＝1...m)被放置在搜索空间中的随机位置。这些气味源通过释放一些化学物质来扩散气味羽流。通过一种基于群体分配的多未知目标定位方法来实现由n个无人机组成的团队快速跟踪定位到m个气体源。
[0006]一种基于群体分配的多未知目标定位方法，流程如图1所示，包括以下步骤：
[0007]步骤1：在待监测区设定n架无人机R
i
(i＝1...n)，在待监测区存在m个气味源S
j
(j＝1...m)；
[0008]步骤2：初始化设定，即设定无人机的初始位置；
[0009]步骤3：采用多无人机群体分配的多未知目标定位方法搜索气体污染源；
[0010]步骤4：输出所有气体污染源位置。
[0011]所述步骤3中提出的多无人机群体分配的多未知目标定位方法，流程如图2所示，包括以下步骤：
[0012]步骤1：初始化参数设定，位于羽流附近的阈值Th
r
、气体源定位成功的阈值Th
g
；
[0013]步骤2：计算初始无人机群各个体的适应值；
[0014]步骤3：判断无人机个体R
i
的适应度值是否超过阈值Th
r
，若超过，则执行步骤4，否则，执行步骤5；
[0015]步骤4：采用组方法进行多未知污染源搜索；
[0016]步骤5：无人机进行随机搜索；
[0017]步骤6：判断无人机个体R
i
适应度值是否超过阈值Th
g
，若超过，则执行步骤7，否则，回到步骤2；
[0018]步骤7：发现一个气体源，进而判断无人机R
i
是否属于组，若属于则进行组解散，否则确定无人机R
i
未分配组；
[0019]步骤8：判断是否所有的气体源都定位成功，若成功，则结束，否则，回到步骤2。
[0020]多无人机群体分配的多未知目标定位方法所述步骤2中适应度值计算公式为：
[0021]fit
i
＝C
i
[0022]其中，C
i
为无人机R
i
测得的气体浓度值。
[0023]多无人机群体分配的多未知目标定位方法所述步骤4中提出的组方法，流程如图3所示，包括以下步骤：
[0024]步骤1：采用组形成方法形成组；
[0025]进一步的，组形成方法为：
[0026]一个或多个无人机可以同时进入羽流附近区域，在羽流附近区域的无人机开始发出信号，这些信号由产生信号的无人机的半径范围G
r
内的其他无人机接收，无人机可以同时接收多个信号。在这种情况下，无人机比较其接收的信号强度，并加入其接收最强信号的组。信号强度取决于无人机的适应度值和距离，计算公式如下：
[0027]V
ij
＝fit
i
·
exp(
‑
d
ij
)
[0028]其中V
ij
是由无人机R
i
，在半径G
r
内产生并由无人机R
j
接收到的信号，fit
i
是无人机R
i
的适应度值，d
ij
是无人机R
i
和R
j
之间的距离，使用信号强度方程组形成的方式同时考虑了距离和适应度，有助于无人机在同时接收多个信号时决定应加入哪个组。
[0029]步骤2：判断组的大小是否大于G
maxsize
，若大于，则需进行限制组大小操作后执行步骤3，否则直接执行步骤3；
[0030]进一步的，定义了参数G
maxsize
，以限制组中无人机的最大数量，这有助于实现更好的资源利用率。随着无人机数量的增加，组的大小也增加，但是气体源数量的增加将导致群体规模的减小，因此寻找额外气体源所需的无人机数量也应增加。考虑到这一点，定义了限
制组大小的函数，函数如下：
[0031][0032]w
m
＝|0.5
‑
(1/(exp(m)))|
[0033]其中，n是无人机总数，m是气体源数量，λ是常数，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于群体分配的多未知目标定位方法，其特征在于，包括以下步骤：步骤1：在待监测区设定n架无人机R
i
(i＝1...n)，在待监测区存在m个气味源S
j
(j＝1...m)；步骤2：初始化设定，即设定无人机的初始位置；步骤3：采用多无人机群体分配的多未知目标定位方法搜索气体污染源，包括以下步骤：步骤3.1：初始化参数设定，位于羽流附近的阈值Th
r
、气体源定位成功的阈值Th
g
；步骤3.2：计算初始无人机群各个体R
i
的适应值；步骤3.3：判断无人机个体适应度值是否超过阈值Th
r
，若超过，则执行步骤3.4，否则，执行步骤3.5；步骤3.4：采用组方法进行多未知污染源搜索，包括以下步骤：步骤3.4.1：采用组形成方法形成组；其中，组形成方法为无人机比较其接收的信号强度，并加入其接收最强信号的组，信号强度取决于无人机的适应度值和距离：V
ij
＝fit
i
·
exp(
‑
d
ij
)其中V
ij
是由无人机R
i
(在半径(G
r
)内)产生并由无人机R
j
接收到的信号，fit
i
是无人机R
i
的适应度值，d
ij
是无人机R
i
和R
j
之间的距离，使用信号强度方程组形成的方式同时考虑了距离和适应度，有助于无人机在同时接收多个信号时决定应加入哪个组；步骤3.4.2：判断组的大小是否大于G
maxsize
，若大于，则需进行限制组大小操作后执行步骤3.4.3，否则直接执行步骤3.4.3；其中，限制组大小方法定义了参数G
maxsize
，以限制组中无人机的最大数量，这有助于实现更好的资源利用率，随着无人机数量的增加，组的大小也增加，但是气体源数量的增加将导致群体规模的减小，因此寻找额外气体源所需的无人机数量也应增加，所以定义了限制组大小的函数，函数如下：w
m
＝|0.5
‑
(1/(exp(m)))|其中，n是无人机总数，m是气体源数量，λ是常数，当形成一个组时，如果形成的组的大小大于G
maxsize
，则将从该组中删除P个性能最差的无人机，P的计算公式如下：P＝gk
size
‑
G
maxsize
其中，gk
size
是组gk的大小，P是从组gk中移除的无人机的数量；步骤3.4.3：用改进海鸥算法更新组中无人机的位置，包括以下步骤：步骤3.4.3.1：初始化设定，包括种群数量popsize、解空间的维数D、算法最大迭代次数T、变量f
c
、最大尝试次数try_number、最大移动步长step、种群初始位置；步骤3.4.3.2：计算初始种群各个体的适应度值，得到当前最优个体的位置P
bs
(t)；步骤3.4.3.3：根据改进海鸥算法中的迁徙行为进行全局搜索，利用当前最优个体的位置P
bs
(t)得到海鸥的新位置D
s
(t)；步骤3.4.3.4：根据改进海鸥算法中的攻击行为进行局部搜索，利用海鸥的新位置D
s
(t)
得到海鸥的攻击位置P
s
(t)；步骤3.4.3.5：根据加入的觅食行为，利用海鸥的攻击位置P
s
(t)、最大尝试次数try_number和最大移动步长step更新海鸥的位置L
s
(t)和污染气体浓度值Y(t)；步骤3.4.3.6：判断是否达到迭代次数，若达到迭代次数转到步骤7，否则返回步骤2；步骤3.4.3.7：输出寻优结果，算法结束；其中，所述步骤3.4.3.3中的迁徙行为用以下计算公式实现：D
s
(t)＝|C
s
(t)+M
s
(t)|上述公式中，C
s
(t)＝α
×
P
s
(t)，C
s
(t)表示...

【专利技术属性】
技术研发人员：蔡宇峰，丁涛，邓琴，石明娟，穆金霞，蒋欣颜，林璐瑶，何羽亭，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：