[发明专利]基于信息熵的气体源搜索方法

说明书

基于信息熵的气体源搜索方法，涉及属于气体寻源领域。为了解决现有的利用信息检索或信息熵理论进行气体源定位搜索的研究没有考虑存在障碍物以及其对寻源效果影响的问题。本发明首先进行坐标初始化，机器人通过Z字形搜索发现烟羽信息；多维粒子按照初始化参数进行采样，并根据气体传感器测得的气体浓度数据计算与分配粒子权重后进行重采样；判断粒子收敛情况，若收敛则根据收敛结果估计气体源的位置信息，否则根据改进的熵得分目标函数和搜索区域边缘目标点规划算法计算机器人下一步目标位姿，获得新的传感器测量数据后更新粒子状态，对粒子进行重采样。主要用于气体源搜索。

技术领域

本发明涉及气体源搜索方法。属于气体寻源领域。

背景技术

针对气体寻源问题，现有研究主要分为基于生物灵感的气体源定位方法和基于贝叶斯的气体源定位方法，表1对两种寻源方法进行了简单的总结与对比。

表1生物灵感方法与贝叶斯方法对比

基于生物灵感的气体源定位方法相对于基于贝叶斯的气体源定位方法而言出现较早。单独的化学趋向性算法或风趋向性算法对所检测空间气体的化学浓度分布要求较高：当气体微弱时，浓度梯度较小而且具有一定的随机性，很容易导致寻源算法的失败；当所检测的气体受中高强度湍流影响较大时，风向和气流浓度不稳定，寻源方向判断错误的几率也会增大。对生物灵感气体源定位方法的改进多是将化学趋向性与风趋向性相结合来使用，对效果起到了一定改进的作用，即便如此，对于湍流较强、风向多变的情况也不能较好的适应，很容易丢失目标。

基于贝叶斯的源搜索算法相对基于生物灵感的气体源定位算法而言更为复杂，由于概率理论的引入，使其对湍流和间歇、不连续气体流动具有一定的适应作用，气体源信息检索理论的出现进一步提高了寻源的鲁棒性，但其常常计算昂贵，且算法设计和实现复杂，在湍流作用较小、浓度分布稳定、浓度梯度明显的简单场景中相比于简单的反应性策略(传统的基于生物灵感的气体源定位方法)实现效果不一定理想，为了全面发挥信息检索等信息理论的优势，应将其主要应用于复杂环境中使用。

现有的利用信息检索或信息熵理论进行气体源定位搜索的研究没有考虑到障碍物的存在，但是寻源场景中障碍物普遍存在且障碍物对寻源效果的影响不能忽略。

发明内容

本发明是为了解决现有的利用信息检索或信息熵理论进行气体源定位搜索的研究没有考虑存在障碍物以及其对寻源效果影响的问题。

基于信息熵的气体源搜索方法，包括以下步骤：

设置机器人初始坐标系与地图坐标系、里程计坐标系重合；

机器人通过Z字形搜索发现烟羽信息；

多维粒子按照初始化参数进行采样，并根据气体传感器测得的气体浓度数据计算与分配粒子权重后进行重采样；

判断粒子收敛情况，若收敛则根据收敛结果估计气体源的位置信息，否则根据改进的熵得分目标函数和搜索区域边缘目标点规划算法计算机器人下一步目标位姿；

机器人根据计算得到的目标位姿再次运动，获得新的传感器测量数据后更新粒子状态，对粒子进行重采样；

粒子滤波算法与信息熵算法交替迭代驱使机器人运动，在搜索气体源的同时估计气体源状态参数；

机器人根据计算得到的目标位姿再次运动获得新的传感器测量数据后更新粒子状态的过程中需要根据测量模型计算当前的估计状态所产生的观测结果，传感器的测量模型如下：