一种基于烟花算法的气味源定位方法
【技术领域】
[0001] 本发明涉及机器人主动嗅觉领域，特别涉及基于烟花算法来完成对气味源定位的 方法。
【背景技术】
[0002] 目前，由于现有的传统的固定(无线）传感器网络和生物检测法在有毒气体检测、 火灾建筑物搜索、以及反恐排险等领域的应用效果不好，浪费大量的人力、财力和物力，具 有一定的局限性。移动机器人可以主动地寻找目标化学物质并确定其所在位置，覆盖范围 更大，灵活性更好，并且可以克服生物易疲劳和注意力易分散等缺点。
[0003] 近年来，机器人技术迅速发展，使机器人在一些恶劣的环境下完成任务成为了可 能。机器人主动嗅觉（Active Olfaction)成为了当今机器人领域研究的热点之一，又称之 为机器人气味源定位（Odor Source Localization)，Hayes将气味源定位的过程分为三个 子任务：烟羽发现、烟羽跟踪和气味源确认。
[0004] 现有的研究成果大都利用Zigzag遍历法或Sprial遍历法进行烟羽发现，依靠风 向信息结合一些智能算法(如蚁群算法、萤火虫算法以及模拟退火算法等）逆风搜索来跟踪 烟羽，根据算法的终止条件进行气味源确认。虽然这些方法都可以定位到气味源，但是它们 都不兼备烟羽发现、烟羽跟踪和气味源定位的功能，且实际风速和风向的波动幅度较大，气 味源在空气中的扩散受其影响较大，这时参考风向信息，利用风趋向性进行气味源定位，搜 索效果差，易使搜索过程中的机器人陷入局部最优，搜索效率低。若能够利用烟花算法让机 器人解决现有气味源定位过程中存在的问题，将会给我们的生活带来很大的便利。
[0005] 本发明的目的是为了针对现有气味源定位问题存在的不足，提出一种基于烟花算 法的机器人气味源定位方法，它可以兼备烟羽发现、烟羽跟踪和气味源定位的功能，而且在 不依赖风向信息的情况下，有效地避免机器人在搜索过程中陷入局部最优，准确迅速地定 位到气味源的位置。
【发明内容】
[0006] 为了解决现有的机器人气味源定位方法对环境已知信息要求较高、功能单一且易 陷入局部最优状态的缺点，本发明提出了一种基于烟花算法的机器人气味源定位方法，机 器人能够在不依靠风向信息的情况下，可以充分利用其位置和浓度信息来发现烟羽、跟踪 烟羽并避免其在搜索过程中陷入局部最优，最后准确地定位到气味源位置，大大地提高了 搜索效率。
[0007] 本发明解决其技术问题所采用的技术方案是： 烟羽发现和烟羽跟踪： 基于烟花算法的爆炸机制，烟花在一定的范围内（爆炸半径邏）爆炸产生火花。每次爆 炸都包括其位置更新阶段和浓度信息更新阶段。
[0008] 首先在搜索空间随机放置一个烟花，即问题的初始解。烟花在爆炸的同时有一个 爆炸半径邏，产生的火花散落在这一半径范围内。在算法中我们对搜索空间的边界区域进 行了限制，若烟花在爆炸过程中产生的火花超出了边界区域，则将此火花随机地映射到搜 索空间内。重复烟花爆炸产生火花这一过程，随着迭代次数的增加，烟花和火花的位置会逐 渐地朝着优化问题的最优解位置收敛。
[0009] 在室内通风环境中，由于搜索过程中会有一部分搜索区域几乎没有浓度信息，算 法在初始阶段可能会接触不到烟羽，因此在算法运行初期，烟花的适应度值会比较差。为了 使烟花算法可以更好的应用在机器人主动嗅觉这个领域，本发明在原有烟花算法爆炸半径 公式的基础上对其进行了修正，烟花爆炸半径可根据当前烟花的目标函数值与阈值 的差值的大小进行自适应的变化，其大小由式（1)决定： f二於麗⑴ 其中，驪为常数，是为了使爆炸半径与浓度差值M保持在一个数量级上。M表示预 先设定阈值与当前烟花的浓度值__的差值，即
在机器人 刚进入到目标环境时，初始位置随机选择，很有可能该位置的浓度值比较小，但此时爆炸半 径大，全局搜索能力很强，加强在整个搜索空间的搜索。当烟花位置收敛到全局最优解附近 的时候，其爆炸半径接近于零，加强局部搜索能力，快速地定位到气味源位置。而当烟花陷 入局部最优解的时候，此时当前烟花的浓度值会比较小，即则可以立即跳 出局部最优状态。
[0010] 气味源确认： 重复烟花爆炸的过程，当检测到当前烟花的气味浓度值大于预先设定阈值 或者算法实际运行的迭代次数大于设定的参数?^_时，算法终止，确认烟花 最后的位置即为气味源位置。
【附图说明】
[0011] 下面结合附图和实施例对本发明作进一步说明。
[0012] 图1是本发明方法的流程图。
【具体实施方式】
[0013] 1.初始化。
[0014] I. 1设定初始参数：在搜索空间随机地选择一个边界位置￥放置烟花，作为初始 解。
[0015] 1.2设定算法终止条件：浓度阈值和迭代次数
[0016] 2.烟羽发现及烟羽跟踪：烟花在一定的范围内（爆炸半径邏）爆炸产生火花。
[0017] 2. 1计算烟花爆炸半径邐:烟花的爆炸半径根据当前烟花的目标函数值与阈 值的差值的大小，进行自适应的变化，其大小由式（1)决定： 其中，題为常数，是为了使爆炸半径与浓度差值^保持在一个数量级上。^表示预 先设定阈值爾齡与当前烟花的浓度值的差值，即
[0018] 机器人刚进入到目标环境时，随机选择一个位置作为其初始位置，由于机器人刚 进入到目标环境时，搜索空间会有一部分区域浓度值几乎为零，所以初始位置的浓度值一 般比较小，但是此时烟花爆炸半径会相对较大，全局搜索能力很强，机器人会加强在整个搜 索空间的搜索。当机器人位置收敛到全局最优解附近的时候，其爆炸半径接近于零，加强局 部搜索能力，快速地定位到气味源位置。
[0019] 2. 2机器人跳出局部最优状态：当烟花陷入局部最优解的时候，此时当前烟花的 浓度值0(4会比较小，即其爆炸半径比较大，机器人会立即跳出局部最优状态。
[0020] 2. 3火花位置更新：烟花爆炸产生火花，每个火花的位置根据式（2)或式（3)进行 更新：
爆炸的方向向量，ife为烟花爆炸总的方向数。式（2 )和式（3 )分别表示规定爆炸方向和随机 爆炸方向产生的火花的位置更新公式。
[0021] 2. 4产生火花后，算法在候选者集合(包括烟花和火花）中选择一个适应度值最好 的个体作为下一代的烟花。
[0022] 2. 5烟羽再发现：由于烟羽分布具有随机性和间歇性，若在烟羽跟踪阶段出现跟 踪烟羽丢失的情况，此时烟花根据其自身的适应度值调节爆炸半径大小，则机器人会迅速 地进行烟羽再发现，从而继续跟踪烟羽。
[0023] 3气味源确认 重复步骤2,当检测到当前烟花的气味浓度值大于预先设定阈值或者算 法实际运行的迭代次数大于设定的参数編^^_时，此时算法终止，确定机器人最后的位 置即是气味源的位置。
【主权项】
1. 一种基于烟花算法的气味源定位方法，其特征在于该方法包括的步骤为： 1) 基于烟花算法的爆炸式的搜索策略：采用烟花爆炸式的搜索策略，即机器人随机地 进入到搜索空间，随机地选择初始位置并在该位置处释放一个烟花，烟花在一定的范围内 (爆炸半径邏）爆炸产生火花，机器人根据各个火花的适应度值选择最好的个体作为下一代 烟花，每次爆炸都包括其位置更新阶段和浓度信息更新阶段； 2) 基于烟花算法的烟羽跟踪策略：机器人可根据当前烟花的目标函数值(即当 前位置的气体浓度值与预先设定阈值|^:__的差值的大小自适应地调节烟花爆炸 半径的大小； 3) 避免陷入局部最优：当机器人陷入局部最优解的时候，此时当前位置的气味浓度 值￡^)相比阈值鬆_:_会小得多，即此时@^:||，则机器人会立即跳出局部最优状 态，继续进行搜索，表示预先设定阈值与当前烟花的浓度值的差值，即 4) 气味源确认 当机器人检测到当前烟花的气味浓度值?^3大于预先设定阈值或者当算法 实际运行的迭代次数大于设定的参数时，算法终止，确认机器人最后的位置即为 气味源位置。2. 根据权利要求1所述的方法，其特征在于所述的烟花爆炸产生火花的方向为：烟花 的爆炸方向选择烟花的上、下、左、右4个方向和1个随机方向，共5个方向。3. 根据权利要求1所述的方法，其特征在于所述的烟花爆炸半径公式：为了让烟花算 法更好的适用于气味源定位任务，本发明对原始的烟花爆炸半径做了修正，让机器人可根 据当前烟花的目标函数值HQ与阈值@__的差值的大小自适应地调节爆炸半径f的 大小，編，其中，为常数，是为了使爆炸半径与浓度差值麵保持在同一个数量级 上。4. 根据权利要求1所述的方法，其特征在于所述的避免陷入局部最优的策略：由于烟 花爆炸半径为，此时当前位置烟花的气味浓度值(^)相比阈值会小得 多，即此时麗墨I，即烟花爆炸半径邏远远大于零，则机器人会立即跳出局部最优状态，继 续进行搜索。
【专利摘要】本发明涉及一种基于烟花算法的气味源定位方法，其特征在于所述方法包括以下步骤：1）烟羽发现和烟羽跟踪：基于烟花算法的爆炸机制，烟花在一定的范围内（爆炸半径？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？）爆炸产生火花，每次爆炸都包括其位置更新阶段和浓度信息更新阶段；2）气味源确认：重复烟花爆炸的过程，当检测到当前烟花的气味浓度值大于预先设定阈值或者当算法实际运行的迭代次数大于设定的参数时，算法终止，确定机器人最后的位置即为气味源的位置。该方法不需要参考风向信息，兼备烟羽发现、烟羽跟踪和气味源定位的功能，在原有烟花算法爆炸半径公式的基础上做了修正，可有效地避免机器人陷入局部最优状态，准确迅速地定位到气味源的位置，大大提高了搜索效率。
【IPC分类】G01N33/00
【公开号】CN105301203
【申请号】CN201510838905
【发明人】缪燕子, 金慧杰, 孙苏园, 许红盛, 金鑫, 卜淑萍, 李晓东, 周笛
【申请人】中国矿业大学
【公开日】2016年2月3日
【申请日】2015年11月27日