【技术实现步骤摘要】
本专利技术涉及寻源定位，具体为一种用于泄漏气体的感知以及多机器人自主寻源决策的专利技术。
技术介绍
1、随着工业制造业的迅速发展，易燃、易爆、有毒的化工产品，如石油、天然气和煤气，在为日常生活提供便利的同时，也带来了严重的安全和环境隐患。泄漏、排放和中毒事故的发生已经成为一个日益严重的问题，威胁着人们的健康和安全。因此，迅速准确定位泄漏源并采取及时的应对措施对于维护人类的健康和安全具有至关重要的意义。然而，对于目前的气味源定位方法存在以下缺陷：
2、1)传统人工携带浓度测量仪探测气体泄漏源的方法用人成本高、搜索效率低，具有较高的危险性。而通过布署传感器网络的羽流源的方法，其定位精度与传感器部署密度有关，且成本高、灵活性差；
3、2)单机器人应用于气味源定位，缺点在于定位精度有限，稳定性差并且搜索效率相对较低；
4、3)机器人羽流寻源过程中，由于存在可利用历史信息，传统方法未进行充分的考虑和利用，导致大量潜在可利用的信息舍弃，寻源效率低下；
5、4)在非结构环境中，空间羽流的非连续、不稳定、不确定特点突出，使得部分羽流运动存在典型的局部极值，从而使得传统的基于嗅觉方法无法有效地追踪羽流并进行源定位。
6、为了克服以上缺陷，亟待研发一种能够实现气味源定位的可靠方法。
技术实现思路
1、1.本专利技术的目的
2、为解决羽流源定位中存在的上述问题，本专利技术的目的在于提供一种定位气味源的可靠方法，本专利技术的特色可以简
3、在本专利技术中，羽流分布的不确定性呈现出的多种性态对多机器人高效、可靠地寻源提出了较大的挑战。
4、2.本专利技术的采用的技术方案
5、2.1本专利技术解决的问题所采用的硬件选择和技术：
6、1)在多移动机器人羽流追踪整体硬件配置中，多个移动机器人的硬件设备相同，其主要由移动平台、mq-3气体传感器模块和arduino开发板模块三个部分组成。移动平台是一个开源机器人平台，由阿克曼式转向底盘作为基础结构，同时还包含有用于驱动的直流有刷电机及电机驱动器、用于控制转向的舵机、用于运行ros的jetson tx1控制器、用于slam和导航的深度相机和m10激光雷达、用于测量移动平台三轴姿态及加速度imu，可变形的结构件、用作中层控制器的嵌入式控制器stm32、最后还有5000mah的锂聚合物电池组。此外，路由设备通过wifi为多个移动机器人通讯提供一个局域网络，所有机器人连接同一个wifi并通过ip地址建立连接。
7、2)多移动机器人羽流追踪控制系统主要通过各机器人上的ros发布控制动作指令，ros通过订阅各种传感器信息及各机器人发布的共享信息，经过羽流追踪程序处理发布控制指令来执行一系列操作。底盘控制板(stm32)主要向ros发布imu、速度和里程计信息，并订阅ros发出的控制命令，ros和stm32控制器之间通过串口实现通讯，stm32向ros发送的数据主要包括：帧头帧尾、机器人使能标志位、机器人xyz三轴速度、imu三轴加速度与三轴角速度、电池电压以及数据校验位，ros向stm32发送的数据主要包括：帧头帧尾、机器人使能标志位、机器人三轴目标速度及数据校验位；stm32将接收到的速度信息通过运动学建模得到机器人驱动电机的目标速度和转向器的转向角度，电机上的编码器采集电机的速度形成速度闭环控制；激光雷达提取羽流搜索区域周围环境特征并构建地图模型；机器人的位置信息通过激光雷达、编码器和imu等传感器数据经过融合滤波等一系列处理后确定；arduino开发板主要向ros主控发布气体传感器实时采集的羽流浓度信息。
8、3)多移动机器人协同机制中，ros master作为整个ros节点的中心，采用分布式多机器人通信方式，通过ros节点进行其他机器人之间相互通信的桥梁，这种方式可以提高多移动机器人系统的并行性、分布性和冗余性，使其能够应对各种复杂、危险、大规模和可分割的问题。
9、2.2本专利技术所解决的问题可以采用以下技术方案来实现：
10、一种基于山瞪羚优化算法的多机器人气味源定位方法，其特征在于，包括以下步骤：
11、(1)使用fluent生成2d仿真场景；
12、(2)改变步骤1中仿真场景中的各项参数生成不同类型的源；
13、(3)对所作场景进行点云布置，用合适的点云分布图导出场景源分布数据集；
14、(4)对山瞪羚算法进行相应改进以提高算法效率；
15、(5)将fluent所导出的数据集进行数据整理以便产生仿真云图，多机器人气味源定位测试中认定每个机器人配备一个气体传感器以及机器人所搭载的传感器，如激光雷达、深度相机、imu传感器等；
16、(6)将场景参数与算法参数进行对应，将浓度数据作为适应度值，山瞪羚群体看作机器人群，气味源所在位置代表全局最优解；
17、(7)建立现实实验场景进行多机器人协同定位气味源。
18、对于多机器人协同定位气源的步骤：
19、1)在机器人气味源定位的初始阶段，每个机器人采用发散搜索法，从初始位置开始在搜索空间中移动；
20、2)当机器人检测到羽流浓度高于预设阈值时，机器人将终止羽流搜索任务，转入羽流跟踪阶段。在羽流跟踪阶段，机器人协同使用改进的山羚优化算法进行气味源定位。执行气味源定位任务的机器人被视为山羚群体的成员。机器人收集到的浓度数据被用作适应度值，气味源被视为最优选择个体。fluent的浓度数据以浓度地图的形式输出，地图上的每个点都有其对应的浓度值。当机器人在每次迭代中更新到相应位置时，位置信息会与浓度图进行
21、匹配，从而得到机器人的浓度；
22、3)在气味源声明阶段，当机器人移动到离气味源位置一定距离时，根据设定的气味源声明条件声明气味源，气味源定位过程结束。
本文档来自技高网...【技术保护点】
1.一种基于山瞪羚优化算法的多机器人气味源定位方法, 其特征在于，包括以下步骤：
2.根据权利要求1一种基于山瞪羚优化算法的多机器人气味源定位方法，其特征在于：步骤二中改变参数条件生成的不同类型的源，包括稳定周期源、稳定时变源以及衰减源。
3.根据权利要求1一种基于山瞪羚优化算法的多机器人气味源定位方法，其特征在于：改进山瞪羚优化算法的步骤：
4.根据权利要求1所述的一种基于山瞪羚优化算法的多机器人气味源定位方法, 其特征在于：“多机器人”是指在机器人数量上呈现出的特征。山瞪羚算法表现出的特征，对机器人高效、可靠地寻源提供了一定的帮助。本专利技术通过气体传感器获取羽流信息，将羽流信息进行选择性的利用。根据不同的感知环境的模态情况，动态自主决策机器人的运动，实现机器人在羽流分布不同环境下的自主追踪过程。
【技术特征摘要】
1.一种基于山瞪羚优化算法的多机器人气味源定位方法, 其特征在于，包括以下步骤：
2.根据权利要求1一种基于山瞪羚优化算法的多机器人气味源定位方法，其特征在于：步骤二中改变参数条件生成的不同类型的源，包括稳定周期源、稳定时变源以及衰减源。
3.根据权利要求1一种基于山瞪羚优化算法的多机器人气味源定位方法，其特征在于：改进山瞪羚优化算法的步骤：
【专利技术属性】
技术研发人员：袁杰，袁昊，谢霖伟，张迎港，赵瑛瑛，邱朝洁，段成龙，
申请(专利权)人：新疆大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。