一种基于动物捕食行为的机器人气味源定位策略

提出了一种基于动物捕食行为的机器人味源定位策略;该策略融合了气体传感器、风向传感器、超声传感器等传感器信息,考虑了搜寻味源过程中的避障及重复搜索问题,并给出了确认味源的条件.在动态的室内环境下,令机器人搜寻酒精泄漏源,结果表明,这种策略具有较高的搜寻效率和成功率.

基于头脑风暴优化算法的多机器人气味源定位

针对现有室内湍流环境下多机器人气味源搜索算法存在历史浓度信息利用率不高、缺少调节全局与局部搜索的机制等问题,提出头脑风暴优化(BSO)算法与逆风搜索结合的多机器人协同搜索算法。首先,将机器人已搜索位置初始化为个体,以机器人位置为中心聚类,有效利用了历史信息的指引作用;然后,将逆风搜索作为个体变异操作,动态调节选中一个类中个体或两个类中个体融合生成新个体的数量,有效调节了全局和局部搜索方式;最后,根据浓度和持久性两个指标对气味源进行确认。在有障碍和无障碍两个环境中将所提算法与三种群体智能多机器人气味源定位算法进行定位对比仿真实验,实验结果表明,所提算法的平均搜索时间减少33%以上,且定位准确率达到100%。该算法能够有效调节机器人全局和局部搜索关系,快速准确定位气味源。

基于修正蚁群算法的多机器人气味源定位策略研究

为了使多机器人系统能够模仿蚁群寻找食物源的行为方式来搜索室内环境中存在的气味源,通过对蚁群算法的修正,形成一种新的多机器人协作策略.修正的蚁群算法包括局部遍历搜索、全局随机/概率搜索和信息素更新三个阶段.为了实现多个气味源的定位,在迭代搜索中加入了气味源确认机制.仿真结果表明,局部遍历搜索能够保证机器人逐步靠近气味源,而在全局搜索中设置气味浓度检测阈值可以避免机器人"群聚"现象的形成.最后验证了从不同入口点分散进入搜索区域时,机器人对多个气味源的搜索定位效果.

基于多微粒群优化的机器人气味源定位

研究多气味源同时定位问题,提出一种基于多微粒群优化的机器人气味源定位方法.该方法将机器人看作一个微粒,邻近的微粒组成一个子群,不同的子群定位不同的气味源.通过合并相似的子群和降低微粒在已搜索区域的适应值,使得微粒群定位尽可能多的气味源.当气味源所在环境变化时,根据子群当代极值与前代全局极值之间的关系,选择子群的全局极值.将所提方法应用于3个典型静态环境与1个动态环境的气味源定位,并与5种已有方法比较.实验结果表明,所提方法能够高效地定位多气味源.

动态环境下基于SVR-PSO的多机器人气味源定位方法

研究具有风速变化的动态环境下气味源定位问题,提出一种基于支持向量回归和微粒群优化的多机器人气味源定位方法。以当前时刻机器人的位置为输入,以机器人所测的气味浓度值为输出,利用支持向量回归,建立机器人所在位置气味浓度的预测模型;采用改进微粒群优化方法定位气味源时,以气味浓度最大的机器人所在的观测窗内,基于预测模型得到的气味浓度最大值的所在位置作为微粒的全局极值,以当前机器人的位置作为微粒的个体极值,完成微粒的更新;根据机器人所测的气味浓度值,定位气味源。将所提方法应用于2个气味源定位场景,实验结果表明所提方法能够在短时间内成功定位气味源。

一种机器人仿生气味源定位策略

基于扁形虫动态刺激反应和生物趋激性行为,提出了一种机器人仿生味源定位算法,该算法不需要检测风向信息和气体绝对浓度信息.机器人使用该算法可以自主进行味源搜索定位,在高斯模型环境下机器人跟踪气味烟羽的实验仿真说明该算法具有简单、搜索速度快、效率高的优点.

基于仿生行为的气味源定位方法综述

危化气体泄漏引发的事故频繁发生,严重危害公共安全,如何高效精准定位泄漏源位置是预防事故发生的前提,传统采用定点检测辅以人工巡检的泄漏检测模式已不能满足工业需求。移动机器人具有实用性强、应用灵活的特点,通过模仿生物搜寻气味源的行为,将其应用到气味源定位领域对于石化行业智能化发展与进步具有十分重要的意义。鉴于此,根据生物多感官气味源定位机制,将移动机器人气味源定位方法从单一和多源信息角度进行综述,首先分析了主动嗅觉定位的3个步骤;其次在多源信息融合技术的基础上,阐述了融合嗅-视信息的气味源定位方法,对目前融合嗅-视-听多感知信息的气味源定位方法进行了探讨;最后预测了未来发展趋势并进行展望。

融合学习策略与导向果蝇机制的气味源主动定位方法研究

工业生产过程中常发生由有害气体泄漏引起的火灾或爆炸事故,利用载有气体传感器的移动机器人实时监测并搜索定位泄漏气体源是预防重大事故的有效方法,而高效的搜索策略是保证机器人快速准确定位气味源的关键因素.现有的气味源搜索算法存在定位成功率不高和对气味源定位不准的问题,本文提出一种将仿生果蝇算法和学习策略相融合的气味搜索策略.针对传统果蝇算法易陷入饱和收敛的问题,提出一种新的导向果蝇极值更新方式;针对寻优不精的问题,进一步提出一种基于学习策略的导向果蝇气味源搜索算法(OCGFOA).仿真实验结果表明OCGFOA算法完成定位速度更快且离泄漏气味源位置更近,其定位效果更能满足对危险气味源定位的要求;最后,在物理场景下进行气味源主动定位验证实验,证明本文所提算法在实际场景下也具有可行性.

一种基于模糊逻辑算法的移动机器人仿生气味源空间定位方法

针对机器人嗅觉功能的研究,提出一种基于模糊逻辑算法的机器人仿生气味源空间定位方法。算法通过模拟生物动态刺激反应的择优行为控制机器人搜寻气味源,相比于需获得气体绝对浓度值和风向、风速信息的算法,该算法只需通过检测浓度变化率便可使机器人对气味源进行自主定位。针对机器人实际所处环境设计一个模糊控制器并确定模糊控制器的输入、输出变量以及各自的语言值,根据相对于机器人不同位置的浓度变化率大小指定相应的模糊控制规则。MATLAB仿真结果表明设计提出的模糊逻辑算法对机器人仿生气味源空间定位具有很好的适用性与鲁棒性,能使机器人更快、更准确的搜索到气味源。

基于无线传感器网络的气体泄漏源定位机器人设计

如何确定有害气体泄漏源的位置是机器人主动嗅觉要解决的关键问题。围绕移动机器人气体泄漏源定位问题,将Z字形算法和浓度梯度法相结合用于机器人气味源搜索运动控制,使其快速找到气味源。同时,在传统的移动嗅觉机器人上增加了无线传感器定位模块,使操作人员在远离泄漏源的电脑上即可获得气味源的坐标信息。实验证明:机器人可以找到泄漏源,并确定气味源位置,搜索效率比单独使用浓度梯度法高。

室内噪声环境下气味源的多机器人微粒群搜索方法

针对室内噪声环境下的气味源定位问题,提出一种基于骨干微粒群进化的多机器人协调搜索方法.该方法将每个机器人看作一个微粒,机器人传感器探测到的气味浓度值作为微粒的适应值,所有机器人组成一个进化微粒群;采用动态统计方法在线估计机器人所测气味浓度的噪声强度,并通过区间数表示噪声环境下微粒的适应值;定义微粒间的概率支配关系,更新微粒的全局和局部引导者,并利用关于全局引导者和局部引导者的高斯采样更新机器人的位置.最后,通过2个典型实验环境,验证了所提算法在处理噪声环境下气味源定位问题的优越性.

基于移动机器人的主动嗅觉技术研究

使用移动机器人来定位气味源已经成为一个研究热点,机器人主动嗅觉是指使用机器人自主发现并跟踪烟羽,最终确定气味源所在位置的技术。本文对当前主动嗅觉技术进行概述,并根据生物嗅觉行为介绍一种气味源定位算法,这种算法不依赖某一点气味浓度值,仅依靠气味浓度变化率就可找到气味源。并在高斯模型下对烟羽分布模型进行仿真。

稀疏环境中信息趋向性搜索算法性能分析

综合评价了稀疏环境中机器人利用信息趋向性算法进行气味源搜索的性能.首先介绍了信息趋向性算法,随后分情况对该算法进行了定量分析.共进行了三方面的仿真分析与比较:①比较了信息趋向性算法与传统气味源搜索算法中具有代表性的E.coli算法、Dung Beetle算法和Spiral-Surge算法的搜索成功率和平均路径长度;②比较了长距离和短距离情况下信息趋向性算法的运动风向性和平均搜索时间;③比较了四边形和六边形路径单元对信息趋向性算法性能的影响.仿真结果表明,信息趋向性算法在稀疏环境中具有良好的搜索性能.