基于改進細菌覓食算法的多機器人協(xié)作氣味源定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種機器人氣味源定位方法，具體涉及一種基于改進細菌覓食算法的 多機器人協(xié)作氣味源定位方法，屬于自動檢測及機器人技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 在自然界中，許多生物利用嗅覺器官發(fā)現(xiàn)同伴、搜尋食物源或進行交流。隨著傳感 器技術(shù)、機器人學等發(fā)展，自上世紀90年代以來，一些學者開始嘗試利用機器人進行氣味 源定位，稱為機器人主動嗅覺，它可廣泛應(yīng)用于有毒有害氣體檢測，在救災(zāi)、搶險乃至反恐、 安全等領(lǐng)域有廣闊的應(yīng)用前景。
[0003] 機器人氣味源定位可分為煙羽發(fā)現(xiàn)、煙羽跟蹤和氣味源確認3個階段。根據(jù)煙羽 模型的建立方法，現(xiàn)有的氣味源定位方法可分為基于平流/湍流信息的氣味跟蹤法和基于 氣味分布模型估計的氣味跟蹤法兩類。第一類方法利用氣味濃度和/或風速信息定位氣味 源，第二類方法利用機器人采集的環(huán)境信息，更新氣味分布地圖，以定位氣味源。
[0004] 由于多機器人系統(tǒng)的可擴展性和魯棒性，使得多機器人系統(tǒng)代替單機器人系統(tǒng)成 為氣味源定位的主要工具。目前，模仿生物群體行為的多機器人氣味源定位方法正逐漸受 到關(guān)注，代表方法包括：2003年召開的國際會議《Proceedingsof11thInternational ConferenceonAdvancedRobotics》 中"Odoursearchingwithautonomousmobile robots:anevolutionary-basedapproach"論文提出的進化優(yōu)化法；2008年第6期《機 器人》期刊"基于修正蟻群算法的多機器人氣味源定位策略研究"論文，以及2012年第 12 期《Sensors》期刊"AdaptinganAntColonymetaphorforMulti-robotchemical plumetracing"論文提出的蟻群優(yōu)化法；2013年第3期《機器人》期刊"室內(nèi)通風環(huán)境 下基于模擬退火算法的單機器人氣味源定位"論文提出的模擬退火算法；2007年第2 期〈〈IEEEcomputationalintelligencemagazine))期刊"APS〇-basedmobilerobot forodorsourcelocalizationindynamicadvection-diffusionwithobstacle environment:theory,simulationandmeasurement'，論文，2011 年第 3 期〈〈International JournalofAutomationComputing》期刊"Alearningparticleswarmoptimization algorithmforodorsourcelocalization"論文，以及2013年第5期《控制與決策》期刊 "基于微粒群優(yōu)化的有限通信多機器人氣味尋源"論文提出的微粒群優(yōu)化法。
[0005] 上述諸多方法多采用隨機搜索策略發(fā)現(xiàn)煙羽，搜索效率低，能量消耗高，很難指導(dǎo) 機器人快速發(fā)現(xiàn)煙羽。細菌覓食算法源于大腸桿菌在覓食過程中體現(xiàn)出的智能行為，具有 簡單、分布式魯棒性好、擴展性好等優(yōu)點，但對于細菌覓食算法與機器人氣味源定位問題的 結(jié)合研究，目前尚未提出行之有效的方法。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是提出一種基于改進細菌覓食算法的多機器人協(xié)作氣味源定位方 法，搜索效率高，可實現(xiàn)氣味源的快速定位。
[0007] 為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：一種基于改進細菌覓食算法的多機 器人協(xié)作氣味源定位方法，包括以下步驟：
[0008] (1)煙羽發(fā)現(xiàn)階段：機器人利用氣味傳感器在工作空間內(nèi)檢測所需搜索的氣味煙 羽，在機器人未測得氣味煙羽時，將整個工作空間利用Voronoi圖方法劃分為多個區(qū)域，每 個機器人在各自的工作區(qū)域中執(zhí)行隨機煙羽搜索策略；
[0009] (2)煙羽跟蹤階段：當機器人檢測到氣味煙羽時，采用改進細菌覓食算法確定機 器人下一步搜索方向，實現(xiàn)氣味的自動跟蹤；
[0010] (3)氣味源確認階段：根據(jù)機器人測得的氣味濃度值和機器人的位置變化范圍， 判斷確定氣味源的位置。
[0011] 進一步地，步驟（1)中所述的Voronoi圖方法為根據(jù)工作空間中機器人的數(shù)量，利 用矢量對偶法生成Voronoi圖。
[0012] 進一步地，步驟（1)中所述的隨機煙羽搜索策略為Z字型煙羽發(fā)現(xiàn)策略。
[0013] 進一步地，步驟（2)中所述的改進細菌覓食算法，包括以下步驟：
[0014] a?趨化操作，具體方法是：
[0015] 將每個機器人看作一個細菌，機器人所測氣味濃度值作為細菌的適應(yīng)值，設(shè)定細 菌9 1當前位置為個體引導(dǎo)者，菌群發(fā)現(xiàn)的最優(yōu)位置為全局引導(dǎo)者；其中，9 1表示第i個細 菌；
[0016] 在煙羽跟蹤前期，利用隨機產(chǎn)生的方向向量作為細菌的運動方向，根據(jù)趨化性操 作公式更新細菌的位置；其中，所述趨化性操作公式為：
[0017]
[0018] 其中，0 ^k，1)表示第i個細菌在第j次趨化、第k次復(fù)制、第1次驅(qū)散操作后 的位置；S(i)表示細菌前進的單位步長；A(i，j)表示第i個細菌在第j次趨化中隨機產(chǎn) 生的方向向量；
[0019] 在煙羽跟蹤后期，根據(jù)個體引導(dǎo)者和全局引導(dǎo)者的微粒速度更新公式產(chǎn)生細菌的 運動方向；其中，所述個體引導(dǎo)者和全局引導(dǎo)者的微粒速度更新公式為：
[0020] V1 (j+1,k, 1) = 〇V1 (j,k, 1) (P1 (j,k, 1) - 0 1 (j,k, 1)) +c2r2 (G1 (j,k, 1) - 0 1 (j, k, 1))
[0021] 其中，《為慣性權(quán)重；CJPC2為學習因子；^和"是[0，1]之間的隨機數(shù)； P1 (j，k，1)表示第i個細菌在第j次趨化、第k次復(fù)制、第1次驅(qū)散操作后的個體引導(dǎo)者； G1 (j，k，1)表示第i個細菌在第j次趨化、第k次復(fù)制、第1次驅(qū)散操作后的全局引導(dǎo)者； Wj)細菌翻轉(zhuǎn)后的運動方向；
[0022] 根據(jù)細菌旋轉(zhuǎn)運動方向利用改進趨化性操作公式更新細菌的位置；其中，所述改 進趨化性操作公式為：
[0023]
[0024] 判斷細菌0 1的先前位置0 1 (j，k，1)與新生位置0 1 (j+1，k，1)之間是否有障礙 物，若無障礙物，則機器人直接移向新生位置；若有障礙物，則采用人工勢場法引導(dǎo)機器人 移向新生位置；
[0025] 根據(jù)新生位置機器人所測氣味濃度值，更新細菌0 1的個體引導(dǎo)者和全局引導(dǎo) 者；
[0026] b.復(fù)制操作，具體方法是：
[0027] 將N個細菌按照健康度進行排序；其中，所述健康度公式為：
[0028]
[0029] 其中，J1 (j，k，1)表示第i個細菌在第j次趨化操作時的氣味濃度值；
[0030] 根據(jù)排序后的健康度，保留健康度較好的N/2個細菌，健康度較差的N/2個細菌執(zhí) 行交叉操作；其中，所述交叉操作公式為：
[0031] 0m(j,k+l, 1) =a0m(j,k,l) + (l-a) 0n(j,k, 1)
[0032] 其中，a是[0, 1]之間的隨機數(shù)；0m(j，k，1)和0n(j，k，1)分別為健康度較差的 細菌和健康度較好的細菌；
[0033] 判斷細菌0m的先前位置0m(j，k，1)與新生位置0m(j，k+1，1)之間是否有障礙 物，若無障礙物，則機器人直接移向新生位置；若有障礙物，則采用人工勢場法引導(dǎo)機器人 移向新生位置；
[0034] 根據(jù)新生位置機器人所測氣味濃度值，更新細菌0?的個體引導(dǎo)者和全局引導(dǎo) 者；
[0035] c.迀徙操作，具體方法是：
[0036] 對于細菌0 \如果滿足迀徙操作條件rand〇〈Ped，執(zhí)行隨機翻轉(zhuǎn)運動；否則，保持 當前個體不變；其中，rand()是[0, 1]之間的隨機數(shù)；P&是給定迀徙概率。