基于微粒群優(yōu)化的復(fù)雜環(huán)境多機器人氣味源定位.pdf

1、在自然界中,許多生物利用氣味信息發(fā)現(xiàn)同伴、搜尋食物源、進行信息交流等。隨著傳感器技術(shù)、機器人學(xué)和仿生學(xué)等的發(fā)展,上世紀90年代開始一些學(xué)者嘗試利用“嗅覺”機器人完成氣味地圖構(gòu)建、氣味源定位和氣味源分類等任務(wù),稱為機器人主動嗅覺問題,它可廣泛應(yīng)用于有害/有毒氣體檢測、災(zāi)后搜索和營救、反恐排爆等場合。
　　本文針對機器人通信距離受限、傳感器數(shù)據(jù)含有噪聲、多氣味源和動態(tài)氣味源等多種復(fù)雜環(huán)境,研究基于改進微粒群優(yōu)化的多機器人氣味源跟蹤和定

2、位方法。
　　首先,研究機器人通信距離受限下的氣味源定位問題,提出一種動態(tài)拓撲微粒群搜索方法,用于跟蹤煙羽。該方法將機器人抽象為微粒,采用Firas斥力場函數(shù),引導(dǎo)機器人快速搜索煙羽;基于無線信號對數(shù)距離損耗模型,估計機器人間的通信范圍,據(jù)此形成微粒群的動態(tài)拓撲結(jié)構(gòu),并確定微粒的全局極值;此外,考慮傳感器采樣時間和恢復(fù)時間及機器人運動速度等約束,利用改進微粒群算法實現(xiàn)多機器人協(xié)同氣味源定位。
　　其次,研究傳感器采樣數(shù)據(jù)含有

3、噪聲的氣味源定位問題,提出一種基于骨干微粒群優(yōu)化的多機器人協(xié)調(diào)搜索方法。該方法將每個機器人看作一個微粒,機器人傳感器探測到的氣味濃度值作為微粒的適應(yīng)值,所有機器人組成一個進化微粒群;采用動態(tài)統(tǒng)計方法在線估計機器人所測氣味濃度的噪聲強度,并通過區(qū)間數(shù)表示噪聲環(huán)境下微粒的適應(yīng)值;定義區(qū)間數(shù)的概率支配關(guān)系,給出具有區(qū)間適應(yīng)值的微粒優(yōu)劣比較,更新微粒個體極值和全局極值;利用關(guān)于個體極值和全局極值的高斯采樣更新機器人的位置,完成氣味源跟蹤和定位。

4、
　　然后,研究多氣味源定位問題,提出一種基于小生境微粒群優(yōu)化的多機器人氣味源定位方法。該方法將每個機器人看作一個微粒,發(fā)現(xiàn)煙羽微粒與鄰域微粒形成小生境,不同小生境同時定位不同氣味源;考慮傳感器采樣/恢復(fù)時間及機器人運動速度等約束,利用改進微粒更新公式完成小生境的進化;基于類聚集度給出小生境規(guī)模的動態(tài)調(diào)整策略,使得微粒群定位盡可能多的氣味源;根據(jù)不同小生境微粒全局極值間的距離及其飛行方向的相似性,定義類間合并策略,防止微粒重復(fù)搜索

5、同一區(qū)域;最后,根據(jù)機器人所測氣味濃度值和位置變化情況,確定氣味源的位置。
　　再次,研究風(fēng)速變化環(huán)境下的氣味源定位問題,提出一種基于支持向量回歸和微粒群優(yōu)化的多機器人氣味源定位方法。該方法以當(dāng)前時刻機器人位置為輸入,以機器人傳感器所測氣味濃度值為輸出,組成采樣樣本;利用支持向量回歸,建立機器人所在位置氣味濃度的預(yù)測模型;采用改進微粒群優(yōu)化方法定位氣味源時,以氣味濃度最大的機器人所在的觀測窗內(nèi),基于預(yù)測模型得到的氣味濃度最大值所在

6、的位置,作為微粒的全局極值,以當(dāng)前時刻機器人的位置,作為微粒的個體極值,完成微粒的更新;最后,根據(jù)機器人所測氣味濃度值和位置變化情況,確定氣味源的位置。
　　最后,研究氣味源定位成功后機器人規(guī)避危險氣味源的全局路徑規(guī)劃問題,提出一種含有自適應(yīng)變異算子和非可行儲備集保存策略的改進多目標(biāo)微粒群優(yōu)化算法。該算法采用縱橫直線族的方法對環(huán)境地圖進行建模,計算路徑長度和危險度兩個性能指標(biāo),建立路徑規(guī)劃問題的數(shù)學(xué)模型;為改善新生微粒(路徑)的可