[发明专利]一种基于TDLAS传感器的气体泄漏源搜索方法

说明书

本发明涉及一种基于TDLAS传感器的气体泄漏源搜索方法，以地面式移动机器人配合云台的方式进行传感器光路的动态规划，包括下列步骤：[1]地图及环境参数的初始化；[2]采集当前位置r处的气味包捕获次数k和风矢量信息，利用贝叶斯推断更新后验概率；[3]计算当前时刻全局地图信息熵值，若熵值低于一定阈值，则令传感器光路以概率最大点为中心、一定长度为半径做360度扫描，通过计算扫描光路所围闭合曲线上的气味包通量进行源确认；若熵值仍高于设定阈值，则继续下一时刻的搜索路径规划；[4]规划下一时刻的传感器光路。

技术领域

本发明涉及一种基于TDLAS气体浓度传感器的机器人自主搜索泄漏源算法，该算法以附加几何约束的信息趋向性搜索方式，实现对气味源的准确定位。

背景技术

随着工业化的不断发展，一些存放高危毒害物质的工厂由于监管不慎而引发的恶性气体泄漏事故频繁发生。泄漏一旦发生，轻则导致异味扰民、引发恐慌，重则造成人民生命财产安全的重大损失。因此在有毒或有害气体发生泄漏的情况下，快速准确地搜查到泄漏源的位置对后期合理处置和抢救至关重要。

利用机器人搭载各类传感器，可以代替工作人员进入危险区域进行泄漏排查。考虑到仿生学嗅觉溯源内在机制，机器人在根据传感器数据进行动态路径规划时，需要对历史时刻的数据进行合理地利用，而不是只根据当前时刻的数据进行片面的决策。针对这一问题，Vergassola等提出一种最大化全局信息增益的信息趋向性(Infotaxis)策略，该算法通过贝叶斯推断有效的融合当前信息与历史信息；同时该方法不依赖于湍流扩散模型，能有效克服湍流环境下的源搜索问题{Vergassola M,Villermaux E,Shraiman B I.‘Infotaxis’as a Strategy for Searching without Gradients[J].Nature,2007,445(7126):406.}。该算法最大化地图信息量的本质使得机器人在搜索初期更倾向于对未知区域信息的收集，但这种搜索模式对于搭载单点接触式传感器的机器人而言，在搜索无烟羽覆盖区域方面会花费更长时间。同时在气源附近或者局部浓度较高的区域，机器人容易产生局部自陷问题(即在该区域反复折转)，进而导致源定位精度的下降。

TDLAS(可调谐半导体激光吸收光谱)是一种新型的具有高选择性的光学气体浓度传感器，该传感器的输出值是对光路上所有气体浓度求和，因此这种线积分型传感器在监测范围上有着单点接触式传感器无法比拟的优势。Lilienthal团队使用地面机器人搭载TDLAS传感器的方式进行气体稠密分布重建{Arain M A,Trincavelli M,Cirillo M,etal.Global coverage measurement planning strategies for mobile robotsequippedwith a remote gas sensor[J].Sensors,2015,15(3):6845-6871.}。但由于气体浓度分布重建任务对采样数据的需求量较高(即越多的采样数据，重建结果越精确)，该研究中机器人路径规划的目的在于最大化空间覆盖率，这显然不是一种有效率的搜索模式，既无法充分发挥TDLAS传感器在测量范围上的优势，也没有充分结合风速风向等重要信息。

综上所述，目前的气体泄漏源搜索算法受限于单点接触式传感器的测量范围，却又缺乏对TDLAS传感器的有效利用。

发明内容

本发明的目的是提出一种基于TDLAS气体浓度传感器的气体泄漏源搜索方法，既可以充分发挥TDLAS传感器空间覆盖大的优势，又可以有效融合其他传感器(如风速仪)信息，进而提高搜索效率、克服局部自陷。技术方案如下：

一种基于TDLAS传感器的气体泄漏源搜索方法，以地面式移动机器人配合云台的方式进行传感器光路的动态规划，包括下列步骤：

[1]地图及环境参数的初始化；设置待搜索区域每个栅格在初始时刻被判别为气味源的概率P₀(r)；初始化源释放率R、气体扩散率D等参数；