【技术实现步骤摘要】
本专利技术涉及气体定位，尤其涉及一种基于海洋捕食者算法和粒子滤波算法的气体定位方法。
技术介绍
1、气体定位技术以检测气体浓度分布为基础，迅速而准确地确定气体源位置，应用广泛。在环境监测中，它能及时发现有害气体泄漏，保障人类和环境安全。在紧急救援中，这项技术可以快速定位气体源，指导应急响应。工业生产中，通过监测气体分布，实现生产过程的精准控制，提高效率。在室内环境管理方面，气体定位技术有助于调整通风系统，维护舒适的室内空气。此外，它在军事领域也扮演重要角色，支持敌情侦查和战术决策。这一技术的综合运用为社会健康、环境保护以及工业生产带来显著益处。
2、群智能算法是一类启发式优化算法，通过模拟群体行为来解决问题。这种算法可以应用于气体源定位问题，其中多个智能体协同工作，模拟生物体在寻找气体源时的集体行为。
3、现有技术中，海洋捕食者算法初始阶段是在搜索空间内随机生成种群，这种方法生成的种群具有很大的随机性和不确定性，算法在进行迭代寻优时不容易快速找到最优解的位置，收敛速度慢，同时海洋捕食者算法每次只选择最优解的位置参与迭代更新，容易陷入局部最优。粒子滤波算法想要对气体源位置进行全局搜索，必须将粒子有效的覆盖整个搜索空间，但是粒子滤波算法的计算复杂度随着粒子数量的增加而增大，导致实时性下降，容易陷入局部最优。
技术实现思路
1、专利技术目的：针对现有技术存在的问题，本专利技术提出一种基于海洋捕食者算法和粒子滤波算法的气体定位方法，通过结合三边定位算法和halton
2、技术方案：本专利技术公开一种基于海洋捕食者算法和粒子滤波算法的气体定位方法，包括：
3、s1：当传感器采集到异常气体浓度数据时，按照气体浓度大小，按顺序选择浓度较高的三个坐标节点作为参考节点，使用三边定位算法得到初始位置，围绕这个初始位置，使用halton序列初始化海洋捕食者算法的初始种群；
4、s2：使用步骤s1中得到的初始种群，构建猎物矩阵prey；
5、s3：求得种群中每个个体的适应度，选择最优的个体，构建精英矩阵elite；
6、s4：更新猎物矩阵prey矩阵和精英矩阵elite；通过动态反向学习方法构建新种群，并与原来的种群进行比较，选择适应度高的种群参与后续迭代，得到最优解elite；判断当前迭代次数iter是否小于最大迭代次数max_iter，如果小于，则转到s3继续迭代，如果大于则往下执行s5；
7、s5：将海洋捕食者算法得到的异常气体浓度位置的最优解作为粒子滤波算法的初始粒子，通过似然函数更新全部粒子权重，并进行重采样，在满足条件后停止迭代，输出最终定位位置。
8、进一步地，所述s1中使用三边定位算法得到初始位置，围绕这个初始位置，使用halton序列初始化海洋捕食者算法的初始种群，具体步骤如下：
9、s1.1：获取异常气体浓度数据，按照气体浓度大小，将气体浓度对应的坐标按照从大到小的顺序排列；
10、s1.2：按顺序选择浓度较高的三个坐标节点作为参考节点；
11、s1.3：通过三边定位算法得到初始预测节点的位置(xs,ys)；
12、
13、其中，di为(xi,yi)坐标到初始预测节点(xs,ys)的距离，q为气体源强，k为气体扩散系数，zi为坐标(xi,yi)的传感器节点的实测浓度值，wi为节点测量噪声；
14、
15、s1.4：使用halton序列代替随机分布，围绕初始预测节点的位置(xs,ys)对海洋捕食者算法的初始种群进行初始化：
16、
17、其中，xi表示为halton序列的第i个向量，n表示维度数量，是以质数bj为基底的的halton序列中第j个维度的第i个元素。
18、进一步地，所述步骤s2中使用s1得到的初始种群，构建猎物矩阵prey，猎物矩阵prey包括：
19、
20、其中，n代表种群个体数，d表示维度，xi,j表示在第i个个体第j维度的值。
21、进一步地，所述s3中个体的适应度计算，遍历猎物矩阵prey的每个个体xi＝[xi,1,xi,2,...,xi,d](i＝1,2,...,n)，求出每个个体的适应度，结合气体湍流模型构建适应度函数，通过适应度函数来求出每个粒子位置的适应度，猎物矩阵prey中的粒子求得最优适应度，保存在精英矩阵elite中：
22、将xi矩阵转换为
23、假设矩阵p中每个位置都是可能存在的气体泄露源，根据气体湍流扩散模型，将矩阵p中每个位置作为气体泄露位置，分别求出不同位置的气体泄露源对三个参考节点(x1,y1)、(x2,y2)、(x3,y3)的理论浓度值z1、z2和z3，三个参考节点实际采集浓度为z'1、z'2、z'3；
24、气体湍流扩散模型：
25、其中，q为气体源强；k为扩散系数；di为气体泄露位置(xs,ys)到监测节点坐标(xi,yi)的距离；u为风速；zi表示监测节点坐标(xi,yi)的理论浓度值；
26、δx＝(xi-xs)cosθ+(yi-ys)sinθ；θ表示自然风与x正半轴之间的角度；
27、循环求出矩阵p每个位置作气体泄露源时，三个参考节点理论浓度值和实际浓度值的误差z_err，并累加误差和z_errsum作为猎物矩阵prey个体的适应度：
28、z_err＝abs(z′1-z1)+abs(z′2-z2)+abs(z′3-z3)
29、z_errsum＝z_errsum+z_err
30、fitnessi＝z_errsum。
31、进一步地，所述s3中精英矩阵elite为：
32、在海洋捕食者算法中，精英矩阵elite表示全局最优解，是通过prey矩阵中适应度最好的个体复制n份构成的：
33、
34、其中，n代表种群个体数，d表示维度，表示顶级捕食者。
35、进一步地，所述s4中具体执行过程如下：
36、s4.1：根据当前迭代次数iter从下面选择合适的方式对猎物矩阵prey的个体位置进行更新：
37、(1)当iter<max_iter/3时，捕食者速度比猎物速度快，处于全局搜索阶段，按照下面式子进行迭代：
38、
39、其中，stepsize为移动步长；rb为呈正态分布的布朗游走随机向量；elitei为由顶级捕食者构成的精英矩阵；preyi为与精英矩阵具有相同维数的猎物矩阵；为逐项乘法运算符；p等于0.5；r为[0,1]内均匀随机向量；n为种群规模；
40、(2)当max_iter/3<iter<2/3max_iter时，捕本文档来自技高网...
【技术保护点】
1.一种基于海洋捕食者算法和粒子滤波算法的气体定位方法，其特征在于，包括：
2.根据权利要求1所述的一种基于海洋捕食者算法和粒子滤波算法的气体定位方法，其特征在于，所述S1中使用三边定位算法得到初始位置，围绕这个初始位置，使用Halton序列初始化海洋捕食者算法的初始种群，具体步骤如下：
3.根据权利要求1所述的一种基于海洋捕食者算法和粒子滤波算法的气体定位方法，其特征在于，所述步骤S2中使用S1得到的初始种群，构建猎物矩阵Prey，猎物矩阵Prey包括：
4.根据权利要求2所述的一种基于海洋捕食者算法和粒子滤波算法的气体定位方法，其特征在于，所述S3中个体的适应度计算，遍历猎物矩阵Prey的每个个体Xi＝[Xi,1,Xi,2,...,Xi,d](i＝1,2,...,n)，求出每个个体的适应度，结合气体湍流模型构建适应度函数，通过适应度函数来求出每个粒子位置的适应度，猎物矩阵Prey中的粒子求得最优适应度，保存在精英矩阵Elite中：
5.根据权利要求4所述的一种基于海洋捕食者算法和粒子滤波算法的气体定位方法，其特征在于，所述S3中
6.根据权利要求4所述的一种结合海洋捕食者算法和粒子滤波算法的气体定位方法，其特征在于，所述S4中具体执行过程如下：
7.根据权利要求5或6所述的一种结合海洋捕食者算法和粒子滤波算法的气体定位方法，其特征在于，所述S5中输出最终定位位置包括：
...【技术特征摘要】
1.一种基于海洋捕食者算法和粒子滤波算法的气体定位方法，其特征在于，包括：
2.根据权利要求1所述的一种基于海洋捕食者算法和粒子滤波算法的气体定位方法，其特征在于，所述s1中使用三边定位算法得到初始位置，围绕这个初始位置，使用halton序列初始化海洋捕食者算法的初始种群，具体步骤如下：
3.根据权利要求1所述的一种基于海洋捕食者算法和粒子滤波算法的气体定位方法，其特征在于，所述步骤s2中使用s1得到的初始种群，构建猎物矩阵prey，猎物矩阵prey包括：
4.根据权利要求2所述的一种基于海洋捕食者算法和粒子滤波算法的气体定位方法，其特征在于，所述s3中个体的适应度计算，遍历猎物矩阵prey的每个个...
【专利技术属性】
技术研发人员：张水星，金鹰，徐忆如，刘虎，胡勇，康瑶，
申请(专利权)人：淮阴工学院，
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。