基于决策树的羽流追踪机器人自主决策方法研究

针对无法获得可靠羽流流向信息不利于实现羽流追踪的问题,提出了一种基于决策树的羽流追踪移动机器人自主决策方法。该方法通过移动机器人两侧的浓度传感器采集到的浓度信息,利用追踪的行为规则建立决策树模型,获得行为决策信息,使机器人高效地追踪到羽流并精确地定位。由于浓度变化关系蕴含了羽流的流向及流速信息,从而取代了传统方法中流向及流速传感器。在扩散环境下,通过移动机器人羽流追踪实验,实现了良好的源定位效果。

基于灰狼优化算法的机器人羽流追踪方法

针对在室内扩散环境无法获得可靠的羽流流向/流速信息的情况下,解决寻源机器人源定位效率低、成功率低的问题,提出了一种基于灰狼优化算法的机器人羽流追踪方法。该方法以气体浓度值作为个体适应度,在不搭载羽流流速/流向传感器的情况下,通过寻源机器人模拟灰狼种群的社会机制与狩猎行为进行位置更新,使寻源机器人能高效地追踪羽流并定位源位置。分别将灰狼优化算法、粒子群算法、遗传算法、Z字形搜索策略进行四组机器人羽流追踪仿真实验,基于灰狼优化算法的寻源机器人的定位成功率分别为92%、94%、94%、94%。实验结果表明,基于灰狼优化算法的寻源机器人的定位成功率分别为95%、90%、90%,验证了基于灰狼优化算法的机器人羽流追踪方法的可行性和有效性。

水下羽流追踪方法研究进展

水下羽流相关研究在海洋资源开采及环境保护等方面有着重要意义。文中围绕水下羽流扩散建模与追踪方法研究,对现有相关研究成果进行归纳,从基础、方法以及应用等角度,总结了水下羽流追踪的研究进展和发展趋势。全文包括4部分:1)介绍水下羽流分类和羽流追踪的应用背景;2)从扩散模型和仿真平台2个方面梳理羽流扩散建模的研究现状;3)将现有水下羽流追踪方法分为反应类方法、概率估计类方法和强化学习类方法3类,对各类方法的研究进展进行归纳;4)讨论了水下羽流追踪研究未来的发展趋势。通过对已有研究成果进行总结,为水下羽流追踪的进一步研究提供参考。

自主水下机器人深海热液羽流追踪仿真环境

提出用自主水下机器人(autonomous underwateer vehicle,AUV)基于仿生行为追踪深海热液羽流,进而快速、精确定位海底热液喷口;并针对AUV追踪深海热液羽流的仿生控制策略研究需要,设计、实现了一个计算机仿真环境.首先介绍了基于AUV的深海热液羽流追踪和该仿真环境的模块化构成,然后给出了仿真环境中的流场和羽流仿真模块所采用的仿真模型及其高效的数值求解算法,和为便于蒙特卡洛仿真而设置的一组随机初始条件和边界条件,以及介绍了控制系统仿真模块采用的一种基于行为的模块化的AUV控制系统体系结构.该仿真环境体现了AUV追踪热液羽流的仿生控制策略研究的问题复杂性因素,包括流场非均匀和非定常,羽流分布不规则、不连续、空间尺度大,羽流轴线弯曲,以及羽流含有浮力上升部分和包含非守恒示踪物质,并且具有较好的可视化效果.同时,该仿真环境具有较高的计算效率,适合于实时仿真和蒙特卡洛仿真研究.分析和演示表明,该仿真环境满足研究需要,为AUV追踪深海热液羽流的仿生控制策略研究提供了有力的支持.