一种多机器人系统合作定位危险气味源方法

摘要

本发明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。

主权项

1.一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:；其中指气味分子团在时刻的位置,指气味分子团在时刻位置的微分,是在时刻的均值风速度,表示一个随机过程，该随机过程服从均值为零，方差为的高斯分布；对气味分子团的运动模型在时间段[,]内进行积分，获得气味分子团在时刻被气味源释放，在当前时刻时的位置：其中[,]指积分的时间段，指气味源释放气味分子团的时间，指当前时间,指的是在当前时间气味分子团的位置,是在时刻气味源的位置；B.通过定义和，将运动模型离散化；其中离散时刻是气味源释放气味分子团时间的整数值，离散时刻是当前时间的整数值，是指时间的微小变化，气味分子团的离散模型为：其中表示气味源在时刻释放气味分子团，在时刻的位置；表示在时间段[,]内风推动气味分子团的移动距离；表示随机过程，该随机过程服从均值为零，方差的正态分布；令，则气味分子团的离散运动模型进一步表示如下：其中为时刻气味分子团的位置,为时刻气味源的位置,为时刻风推动气味分子团移动的距离,是测量噪声并且服从零均值，方差的正态分布；C.通过定义，得到气味源位置的观测模型：其中，是第个机器人在时刻对气味源位置的测量值；(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先验概率分布，得到气味源位置的后验概率分布，通过采样气味源位置的后验概率分布产生气味源位置新的估计值；然后，获得第个机器人的下一步的位置；如果在时刻，没有检测到气味，则采样气味源位置的先验概率分布产生气味源位置新的估计值，获得第个机器人的下一步的位置，具体方法是：a.建立关于气味源位置的背景分布；其中,表示气味源位置满足正态分布的随机变量,是气味源位置的经验估计值,是关于气味源位置的经验估计协方差矩阵,表示正态分布；根据各个机器人对气味源位置的估计值，求解下式：其中表示机器人还没有获得测量值时的时刻,是第个机器人对气味源位置的先验估计值,表示的是测量预测值的先验平均值，并由第个机器人获得；表示测量预测值的先验矩阵,是机器人的个数；b.基于最大熵原理，采用共轭梯度法求解下式：其中：通过求解上式，获得拉格朗日乘子和，从而得到气味源位置的先验概率分布：其中表示气味源位置满足正态分布的随机变量，是气味源位置的均值，是关于气味源位置的协方差矩阵，表示正态分布；c.根据第个机器人是否检测到气味，执行不同的步骤；如果检测到气味，则执行c-1，否则执行c-2；c-1. 检测到气味，执行以下两个步骤:①使用测量值更新拉格朗日乘子和，得：其中表示机器人获得测量值时的时刻，是测量噪声协方差矩阵，这样就获得了气味源位置的后验概率分布：采样气味源位置的后验概率分布，得到气味源位置的最新估计值；②基于气味源位置的最新估计值，则机器人下一步的位置为气味源位置的最新估计值，即，其中是时刻第个机器人的位置；c-2.没有检测到气味，则执行以下两个步骤：③采样气味源位置的先验概率分布，得到气味源位置的最新估计值；④基于气味源位置的最新估计值和没有检测到气味的周期数，计算机器人下一步的位置，如果在两个采用周期内没有检测到气味，执行步骤ⅰ，如果在两个采用周期及两个采用周期以上没有检测到气味，则执行ⅱ；ⅰ机器人的下一步的位置为：其中和分别是风在轴和轴方向的速度,是第个机器人在时刻对于气味源位置最新估计值在轴方向的坐标,第个机器人在时刻位置在轴方向的坐标,和第个机器人在时刻位置在轴和轴方向的坐标；ⅱ机器人下一步位置是基于气味源位置最新估计值产生,具体方法是：其中和分别是控制轴和轴方向搜索范围控制参数，在范围内产生一个均匀分布的随机数,是机器人的个数；d.当第个机器人到达新的位置后，重复步骤a至步骤c，直到群体机器人中的某一个机器人检测到的气味浓度达到预先设定值，或通过视觉传感器判断出气味源，然后通过无线网络通知第个机器人，则第个机器人停止搜索，并提供气味源的估计位置。