基于改进烟花优化算法的三维空间气体源定位

为探究三维空间中气体源定位及其源强反算问题,提出1种改进烟花爆炸算法(GWOFA)。将定位过程分为全局定位过程和局部定位过程。全局定位过程即结合灰狼优化算法和莱维飞行在三维空间中的全局搜索过程;局部定位过程是在全局定位的结果上的进一步开发过程,其通过引入边界条件的爆炸半径选取方式和选择策略更加高效地改进烟花优化算法实现。研究结果表明:本文算法相比于支持向量机回归模型(LinearSVR)、GWO算法和粒子群算法具有更高精确度,相比于GWO算法和粒子群算法具有更高稳定性和更低随机性;在气体源定位问题上,本文算法整体表现优于LinearSVR、GWO算法和粒子群算法。研究结果可为解决三维空间中气体源定位问题和相关参数估计问题提供新的思路方法。

基于改进粒子群优化算法的气体源定位研究

为了提高粒子群优化(PSO)算法在气体泄漏源中的定位精度,针对标准PSO算法中存在的收敛早熟等问题,提出了一种惯性权重非线性递减和异步变化的学习因子相结合的改进PSO(IPSO)算法。该方法能够提高算法的性能,并加快粒子的收敛速度,引入二阶振荡环节来增加种群的多样性。通过函数优化实验与其他PSO算法对比,进行有效性分析和误差分析,由气体扩散模型仿真实验得出:定位结果误差值在1%范围内,表明IPSO算法不仅能够优化粒子学习能力,还能够有效提高算法的收敛精度和稳定性。

基于分布式传感器阵列的静态气体源定位方法

基于气体湍流扩散模型提出了适用于稳定风场的静态气体源定位方法,采用分布式传感器阵列对空间内的目标气体浓度进行检测,依靠多点观测结果计算气体源位置。定位算法预先设定气味源的潜在范围,采用遍历计算的方法将气味源定位问题转变为根据最小二乘法则在预设范围内求取气体源坐标最优解的问题。通过仿真实验对新算法进行验证,建立金属氧化物气敏传感器阵列及信号采样系统,以乙醇蒸汽为目标气体在实验室环境下进行了实际气体源定位实验。

基于移动传感器网络的气体源定位

针对目前基于无线传感器网络定位气体源方法中存在的因探索区域尺寸、边界等先验知识缺失而造成节点部署困难的问题,提出了一种使用有限个低成本机器人构成移动传感器网络进行气体源定位的方法.该方法中,首先以期望拓扑结构排列的移动传感器网络节点采集气体浓度并上传至上位机;然后上位机使用非线性最小二乘方法对气体源位置进行估计,并将位置估计结果发送给移动传感器网络节点;最后由移动节点计算出目标位姿,并采用饱和控制的方法镇定到该位姿.通过上述步骤的不断循环,移动传感器网络最终将移动到气体源附近,从而实现对气体源较为精确的定位.室内自然通风环境中,使用6个自制的机器人组成具有固定圆形拓扑的移动传感器网络进行了气体源定位实验.实验结果表明,适当选择拓扑半径,该方法可在6,min左右实现精度为30,cm的气体源定位.

群智能算法在气体源定位中的应用综述

近几年频繁发生的气体泄漏事件使得气体源定位成为了公共安全领域亟待解决的问题。气体源定位问题本质上可以转化为最优化问题,群智能算法作为一种高效的优化算法,为其提供了一个全新的解决方案。介绍了气体源定位问题的研究背景和研究现状;根据群智能算法在气体源定位中应用的研究思路和研究内容对具有代表性研究成果进行了分类综述和对比分析;对目前基于群智能算法的气体源定位研究中存在的问题和未来发展趋势进行了分析和展望,对气体源定位问题的进一步研究提供一定的参考作用。

基于WSN的加权组合三边气体源定位算法研究

依据气体污染源浓度衰减模型,采用加权组合三边算法(WCT)对气体污染源定位进行了研究。通过仿真实验对比了在不同传感器节点间距离以及背景噪声情况下加权组合三边算法、直接三边法(DT)和组合三边算法(CT)对预估定位误差的影响。实验结果表明,在背景噪声较小的情况下,采用这三种定位算法都有着较好的定位效果;而在背景噪声较大时,采用加权组合三边法有着更好的定位效果。

基于改进加权质心和遗传算法的气体源定位研究

为了提高室内危险气体泄漏点的定位精度,通过对现有气体扩散模型的研究,给出一种无风无边界连续泄漏点源浓度的扩散模型。首先应用改进加权质心定位算法通过第一次粗定位和第二次的精细定位获得定位结果。另外,利用遗传算法对室内气体泄漏源进行全局最优的精细定位,通过Matlab仿真实验进行定位误差分析,得到采用改进加权质心定位算法和遗传算法的定位相对误差分别低于5%和3.5%。最后搭建了测试系统用乙醇气体源进行泄漏点定位实验,验证了两种定位算法的准确性。

基于加权质心算法的气体源定位系统

为了快速准确地确定气体泄漏源的位置,提出基于加权质心算法的气体源定位法。采用气敏传感器对目标区域的气体浓度进行检测,并通过无线传感器网络把收集的数据反馈给协调器,协调器把打包好的数据传递给主处理器,处理器依靠测量的结果计算出气体源位置,并可视化显示。以乙醇蒸汽为实验目标气体,平均定位相对误差小于5.9%,验证了该方法的准确性。

基于最小二乘适值比较计算的静态气体源定位

通过构建多节点分布式气敏传感器网络,对风场中多个位置上的目标气体浓度进行检测。将浓度检测结果与节点位置坐标引入湍流扩散模型,在此基础上依据最小二乘法则设计潜在气体源的适值计算函数。将潜在气源的坐标参数引入适值函数进行计算,通过结果比较得到气体源位置最优解。建立仿真风场中的气体扩散模型并引入传感器观测误差,对该算法的定位效果进行测试,仿真定位实验证明即使观测存在该算法依然可以达到较高的定位成功率。

三维空间的自适应气体源定位方法

现有气体源定位方法大多在在二维平面上开展研究,与气体扩散的三维特性不符,且无法兼具烟羽发现、烟羽跟踪以及气体源确认功能,为此提出一种三维空间的自适应气体源定位方法。利用改进烟花算法协调多无人机进行气体源定位,烟花爆炸产生火花的过程即对目标空间的搜索过程,改进烟花算法特殊的爆炸机制和选择策略使该方法可以自适应地进行烟羽发现、烟羽跟踪以及气体源确认,完成气体源的定位任务。采用高斯烟羽模型进行仿真验证,实验结果表明了所提方法能够在三维空间环境下快速准确地定位到气体源。

基于气体扩散模型的气体源定位系统

为了快速准确地确定气体泄漏源的位置,利用无风连续泄漏点源浓度的扩散模型,提出了基于加权质心算法的气体源定位法。采用气敏传感器阵列对目标区域的气体浓度进行检测,并通过ZigBee无线传感器网络把收集的数据反馈给协调器,协调器把打包好的数据传递给主处理器,处理器依靠测量的结果计算出气体源位置,并可视化显示。在目标区域为4m×4m,以乙醇蒸汽为实验目标气体进行气体源定位实验。结果表明,平均定位结果相对误差不超过6%,验证了该方法的准确性。

基于改进GA-PSO算法的三维WSN气体源定位研究

在三维空间针对不同风场下采用无线传感器网络(WSN)定位泄漏气体源问题,提出一种基于风场特征与bounding-box方法的改进遗传-粒子群(GA-PSO)算法。利用bounding-box方法对粒子群搜索空间进行优化处理,减少GA-PSO算法随机搜索产生的无效运算;根据气体湍流扩散模型模拟不同风场特征下气体浓度分布,提出风速修正权重,提高GA-PSO算法搜索目的性。在不同三维风场下将改进GA-PSO算法与多种气体源定位算法进行对比,仿真结果表明,改进GA-PSO算法得到的定位点在无风条件下的平均相对误差为2.66%,有风条件下的平均相对误差为2.84%,定位准确度普遍优于常规算法。

基于扩展集员估计的气体源定位方法

提出一种基于扩展集员滤波框架的室内气体源分布式定位方法。相对于基于随机模型的统计估计方法(扩展卡尔曼滤波和无迹卡尔曼滤波),此方法只需要知道未知噪声的边界,不考虑噪声的随机性。利用静态湍流模型迭代计算定位误差边界,将位置状态真实值有效地包含在估计范围内,从而能达到的定位可信度。同时引入最小二乘法进行初步定位,以克服扩展集员滤波的初始点选取问题。最后通过基于无线电子鼻的室内定位仿真实验,证明算法的可行性和有效性。

气敏传感器的新应用——气体源定位

目前,基于气体敏感材料制备出的气体传感器已经在各个领域得到了成功应用。气体源定位,作为环境领域一项新的应用方向,涉及到多学科的交叉融合,难度很大,目前还处于研究的初步阶段。但是由于其潜在的重大应用需求,必然会得到足够的重视和长足的发展。本文中,主要介绍了气敏传感器在气体源定位中应用的目的及意义,国内外研究现状,并对该领域做了分析和展望。

有风情况下气体源的加权质心定位算法研究

近年来在实现气体泄漏源的快速定位研究中,加权质心定位算法占居了重要的意义。之前研究的气体源加权质心定位算法,只适合在无风环境下使用,没有考虑有风时的气体扩散影响。所以文中根据有风时的气体扩散模型,利用风速对气体浓度的影响将风速加入权值因子中,改进后的加权质心定位算法可以适用于不同风速和风向下气体泄漏源定位。最后通过MATLAB仿真实验,与改进前的算法结果比较,证明了本算法在有风条件下定位结果的有效性。

基于分布式自适应偏转次梯度投影算法的气体源点定位研究

针对无线传感网络中的气体源点定位问题，采用自适应次梯度投影定位算法（APSM）来逼近气体源点位置。由于实际气体浓度测量值受噪声干扰，导致APSM定位算法在估计源点位置时难收敛，并且计算耗时长，于是对其迭代搜索方向进行修正，并结合无线传感网络分布式计算的特点，提出一种分布式自适应偏转次梯度投影定位算法（DADPSM），该算法以有风时气体浓度衰减模型为基础，以DADPSM算法为核心，利用偏转次梯度方向代替原次梯度，以偏转次梯度投影的超平面作为搜索区域来进行松弛投影，对节点获取的气体浓度信息进行分布式计算，从而估计出气体源点位置。仿真实验表明，该算法收敛快、定位误差小，并且网络能耗少。

移动机器人对气体泄漏源的定位——矩阵半张量积方法

对于使用移动机器人在风速/风向变化较大的气流环境中定位气体泄漏源的问题,我们建立了一个定位模型.模型的输入为机器人在定位过程中实时获取的多传感器信息(激光信息、视觉信息、气体浓度信息、风信息等),输出为相应的搜寻行为或策略,主要包括避障行为、随机搜寻、视觉搜寻、化学趋向性搜寻、风趋向性搜寻、路径规划和气体泄漏源定位等.利用矩阵的半张量积理论,我们确定了这个模型输入和输出之间的结构矩阵.根据多传感器的测量信息,结构矩阵产生相应的搜寻行为或策略,由动态机器人有效地完成,以确定气体源的位置.本方法的可靠性经过机器人实地实验得到验证.

基于力导向量子粒子群算法的气体源点定位研究

根据有风时气体浓度衰减模型,采用量子粒子群优化(quantum particle swarm optimization,QPSO)算法实现无线传感网络中的气体源点定位,考虑到传感器节点测量气体浓度时存在门限值的实际情况,引入力导向思想,通过使传感器节点产生虚拟力来影响QPSO算法的位置更新过程,使粒子移动更有目的性,引导粒子进化,加快算法收敛.仿真结果表明:在不同噪声条件下,与QPSO算法相比,力导向QPSO定位算法具有更强的鲁棒性,收敛速度更快,定位精度更高,更能获取问题的最优解.

基于模型辨识的气体信息快速感知

针对金属氧化物气体传感器具有较长的响应和恢复时间与泄露气体源的及时报警或快速定位之间的矛盾,提出了一种气体信息快速感知的方法。所提方法首先将气体传感器近似为一阶线性惯性延时系统,然后使用双传感器重构了辨识模型,利用M序列构建模型输入,实现了对传感器时间常数的辨识;最后,根据辨识出的参数,使用传感器逆模型估计出气体浓度的真实输入。使用上述方法进行实验,结果显示估计得到的浓度输入值和实际浓度值相吻合。进一步,为了验证本文算法的有效性,在移动嗅觉平台上,将气体传感器测量值和本文处理方法算出的重构值进行浓度二值化处理,同时应用到基于改进的Spiral-Surge算法的气体源定位实验中。与采用固定浓度阈值进行二值化定位实验对比得出,采用所提方法可以使室内外平均路径长度分别减少55.2%和84.7%。

基于改良粒子群算法的主动搜索策略

基于Matthes高斯湍流扩散模型及改良型粒子群算法设计了适用于多机器人静态气体源定位的搜索策略。采用气体浓度检测结果替代适值函数计算作为适应度参考,根据风速矢量设计了粒子速度放大系数公式实现对粒子群算法的改良,建立了基于粒子群算法的主动机器人群落搜索算法。实验结果证明改良型粒子群算法与基本粒子群算法相比具有更高的搜索效率。