[发明专利]一种多嗅觉机器人协同的气味源定位方法

说明书

本发明公开了一种多嗅觉机器人协同的气味源定位方法，本发明嗅觉机器人通过螺旋运动快速发现气味源，对BP神经网络的权值调整进行优化提高跟踪运动斜率的准确性，并通过s型分段正弦运动快速跟踪气味源，同时利用RFID定位系统的特性加强了多机器人之间的信息耦合，使得系统的可扩展性和鲁棒性得到了一定程度的改善，在实现气味源快速定位的同时加强了模型的泛化能力。

技术领域

本发明属于危险气体源定位检测领域，具体涉及一种多嗅觉机器人协同的气味源定位方法。

背景技术

危险气味源的快速定位对于人类健康和环境安全都有着重要意义。传统的气味源定位方法根据局部浓度梯度来跟踪气味源，例如Z字形搜索和三边定位搜索，由于这类算法缺乏先验知识，因此通常要遍历整个搜索区域，导致算法的搜索效率较低，且智能化程度较弱。

近年来基于人工神经网络的气味源定位方法得到了广泛应用。例如有研究结合混合蛙跳算法提高神经网络训练的收敛速度，还有研究在机器人的主动嗅觉中引入径向基神经网络。以上方法虽然在一定程度上提高了全局快速搜索能力，但缺乏多机器人的信息共享，且无法较好的实现迭代训练结果和运动路径规划的联动感知。

发明内容

本发明针对现有技术的不足，构建一种多嗅觉机器人协同的气味源定位方法。嗅觉机器人通过螺旋运动快速发现气味源，对BP神经网络的权值调整进行优化提高跟踪运动斜率的准确性，并通过s型分段正弦运动快速跟踪气味源，同时利用RFID定位系统的特性加强了多机器人之间的信息耦合，使得系统的可扩展性和鲁棒性得到了一定程度的改善，在实现气味源快速定位的同时加强了模型的泛化能力。

一种多嗅觉机器人协同的气味源定位方法，该方法为：首先在气味源发现阶段，将多个嗅觉机器人随机分布在二维搜索平面的不同位置，然后所有嗅觉机器人做向外扩张的螺旋运动；一旦任意三个嗅觉机器人测得的气体浓度都大于低阈值，此时上述三个嗅觉机器人进入气味源跟踪阶段，开始朝气味源方向做s型分段正弦运动；以BP神经网络和RFID定位系统为基础，其中BP神经网络利用周期梯度信息动态调节权值，控制嗅觉机器人每个周期的运动斜率；RFID定位系统通过传递多个嗅觉机器人测得的气体浓度，根据气体浓度差异动态修改每个周期正弦运动的振幅和角频率；一旦任意一个嗅觉机器人测得的气体浓度大于高阈值，此时该嗅觉机器人进入气味源确认阶段，使用统计学方法进行气味源定位。

本发明具体包括以下步骤：

步骤1：在气味源发现阶段，将n个嗅觉机器人，分别标识为机器人l，l＝1,2,3...,n，随机分布在二维搜索平面的任意初始位置，机器人l分别以各自的初始位置为原点，开始做半径不断增大的螺旋运动，如式(1)所示；并且每隔时间Δt测量一次所在位置的气体浓度；

式中，t＝b×Δt，b＝1,2,3…，t表示当前的测量时刻；(x_l(t),y_l(t))表示t时刻机器人l所在位置的对应坐标；

步骤2：在气味源发现阶段，一旦任意三个嗅觉机器人在时刻t₁测得的气体浓度都大于低阈值γ，按照满足低阈值条件的先后顺序依次标记为Robot₁、Robot₂、Robot₃，之后这三个嗅觉机器人随即进入气味源跟踪阶段；其余嗅觉机器人则停止运动，退出气味源的定位过程；

步骤3：在气味源跟踪阶段，为快速靠近气味源，嗅觉机器人Robot_β在时刻t₁停止做向外扩张的螺旋运动，β＝1,2,3，开始进行s型分段正弦运动，并将时刻t₁的螺旋运动方向作为正弦运动的初始方向；设定正弦运动的周期为2π，每个周期的固定运动时间为T，第k个周期中嗅觉机器人Robot_β的正弦运动曲线如式(2)所示；