一种多机器人系统合作定位危险气味源方法技术方案

技术编号:5500409 阅读:373 留言:0更新日期:2012-04-11 18:40
本发明专利技术涉及一种多机器人系统合作定位危险气味源方法。现有的定位方法成功率较低,系统耗能过多。本发明专利技术首先建立气味源的观测模型,然后获得气味源位置的估计值,气味源位置的先验概率分布;其次如果检测到气味,修正先验概率分布,得到后验概率分布,并对后验概率分布采样,获得该气味源位置的估计值,产生机器人的新位置;如果没有检测到气味,直接采样气味源位置的先验概率分布,获得该气味源位置的估计值,产生机器人的新位置;最后用一致性算法控制机器人向新位置移动。本发明专利技术方法弥补了传统方法的不足,并有效地提高气味源定位的精度,保证多机器人系统能量的较小消耗,同时满足实际中要求快速定位的要求。

【技术实现步骤摘要】

本专利技术属于自动化
,涉及。技术背景危险气味源定位对人类安全有着非常重要的意义,如定位污染物的源头和化学工 厂中有毒气体泄漏的源头等等。因此,如何快速有效地定位危险气味源是一个极其重要的 问题。然而,危险气味源定位问题在不同的环境下,呈现出不同的特点。通常,在没有气流 的条件下,气味分子的扩散是一个主要力量,它能够驱动气味分子远离气味源。最大的浓度 将会在气味源的附近出现。因此,我们可以使用梯度的方法来定位气味源。然而,在真实的 世界里,气流是一种影响气味扩散的主要力量,它通过影响气味分子的运动,而形成羽烟。 在由高Reynolds数刻画的环境里,羽烟将会呈现出高度的不连续性和间歇性,这使得梯度 方法变得不可行。此外,由于多机器人系统的可扩展性和鲁棒性,使得多机器人系统代替单 机器人系统成为危险气味源定位的主要工具。目前,协调多机器人系统定位危险气味源的 主要方法是群智能技术,但是,这种技术的定位成功率较低,也会使多机器人系统消耗过多 的能量,一个主要的原因是,该方法主要是利用了浓度幅值信息,而浓度幅值信息的不稳定 性,往往会使多机器人系统局部收敛。另外,在我国对于多机器人系统的合作定位方法的研 究刚刚开始起步,仍然没有提出行之有效的方法。在这一背景下,本专利技术弥补了现有技术的 不足。
技术实现思路
本专利技术的目标是针对现有技术的不足之处,提出多机器人系统合作定位危险气味 源方法,具体是以最大熵粒子滤波理论为理论基础,设计多机器人合作定位危险气味源方 法。该方法弥补了传统合作搜索方式的不足,保证多机器人系统具有较高的定位精度和稳 定性的同时,也保证形式简单并减少定位过程中多机器人系统消耗的能量。对于每一个机器人,本专利技术方法首先建立气味源的观测模型;然后,以预先估计的 正态分布为背景分布,利用最大熵原理和其他机器人对气味源位置的估计值,获得气味源 位置的先验概率分布;其次,如果检测到气味,利用观测模型获得实际测量值,修正气味源 位置的先验概率分布,从而得到气味源位置的后验概率分布,并对气味源位置的后验概率 分布采样,获得该气味源位置的估计值,进一步产生机器人的新位置;如果没有检测到气 味,直接采样气味源位置的先验概率分布,获得该气味源位置的估计值,进一步产生机器人 的新位置;最后,用一致性算法控制机器人向新位置移动。本专利技术的技术方案是通过数据检测、在线优化、气味源位置概率分布评估等手段, 确立了一种多机器人系统合作定位危险气味源的方法,利用该方法可有效提高气味源定位 的精度。本专利技术方法在第I {ι = Χ-·,η )个机器人上运行的步骤包括(1)利用气味分子的运动学模型,建立气味源位置的观测模型,具体方法是 a.建立单个气味分子团的运动模型权利要求1. ,其特征在于该方法包括以下步骤 (1)利用气味分子的运动学模型,建立气味源位置的观测模型,具体方法是 A .建立单个气味分子团的运动模型全文摘要本专利技术涉及。现有的定位方法成功率较低,系统耗能过多。本专利技术首先建立气味源的观测模型,然后获得气味源位置的估计值,气味源位置的先验概率分布;其次如果检测到气味,修正先验概率分布,得到后验概率分布,并对后验概率分布采样,获得该气味源位置的估计值,产生机器人的新位置;如果没有检测到气味,直接采样气味源位置的先验概率分布,获得该气味源位置的估计值,产生机器人的新位置;最后用一致性算法控制机器人向新位置移动。本专利技术方法弥补了传统方法的不足,并有效地提高气味源定位的精度,保证多机器人系统能量的较小消耗,同时满足实际中要求快速定位的要求。文档编号G06F19/00GK102034030SQ20101060963公开日2011年4月27日 申请日期2010年12月28日 优先权日2010年12月28日专利技术者吕强, 罗平, 谢小高 申请人:杭州电子科技大学本文档来自技高网...

【技术保护点】
一种多机器人系统合作定位危险气味源方法,其特征在于该方法包括以下步骤:(1)利用气味分子的运动学模型,建立气味源位置的观测模型,具体方法是:A.建立单个气味分子团的运动模型:*(t)=u(t)+ρ(t);其中r(t)指气味分子团在t时刻的位置,*(t)指气味分子团在t时刻位置的微分,u(t)是在t时刻的均值风速度,ρ(t)表示一个随机过程,该随机过程服从均值为零,方差为σ↑[2]的高斯分布;对气味分子团的运动模型在时间段[t↓[l],t↓[k]]内进行积分,获得气味分子团在t↓[l]时刻被气味源释放,在当前时刻t↓[k]时的位置:r(t↓[l],t↓[k])=*u(τ)dτ+*ρ(τ)dτ+r↓[s](t↓[l])其中[t↓[l],t↓[k]]指积分的时间段,t↓[l]指气味源释放气味分子团的时间,t↓[k]指当前时间,r(t↓[l],t↓[k])指的是在当前时间t↓[k]气味分子团的位置,r↓[s](t↓[l])是在时刻t↓[l]气味源的位置;B.通过定义v(l,k)=*u(j)dt≈*u(τ)dτ和w(l,k)=*ρ(τ)dτ,将运动模型离散化;其中离散时刻l是气味源释放气味分子团时间t↓[l]的整数值,离散时刻k是当前时间t↓[k]的整数值,dt是指时间的微小变化,气味分子团的离散模型为:r(l,k)=r↓[s](k)+v(l,k)+w(l,k)其中r(l,k)表示气味源在时刻释放气味分子团,在k时刻的位置;v(l,k)表示在时间段[l,k]内风推动气味分子团的移动距离;w(l,k)表示随机过程,该随机过程服从均值为零,方差(k-l)σ↑[2]的正态分布;令*(k)=1/k*v(l,k),*(k)=1/k*w(l,k)则气味分子团的离散运动模型进一步表示如下:r(k)=r↓[s](k)+*(k)+*(k)其中r(k)为k时刻气味分子团的位置,r↓[s](k)为k时刻气味源的位置,*(k)为k时刻风推动气味分子团移动的距离,*(k)是测量噪声并且服从零均值,1/k*(k-l)σ↑[2]方差的正态分布;C.通过定义z↑[i](k)=r(k)-*(k),得到气味源位置的观测模型:z↑[i](k)=r↓[s](k)+*(k)其中,z↑[i](k)是第i个机器人在时刻k对气味源位置r↓[s](k)的测量值;(2)基于最大熵粒子滤波原理,获得气味源位置的先验概率分布;如果在时刻,检测到气味,使用测量值修正气味源位置的...

【技术特征摘要】

【专利技术属性】
技术研发人员:吕强谢小高罗平
申请(专利权)人:杭州电子科技大学
类型:发明
国别省市:86[中国|杭州]

网友询问留言 已有0条评论
  • 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。

1