[发明专利]一种基于改进粒子群算法的多无人机气体泄漏源定位方法有效

专利信息
申请号: 202110320464.0 申请日: 2021-03-25
公开(公告)号: CN113051665B 公开(公告)日: 2023-06-27
发明(设计)人: 邓琴;丁涛;刘振国;张振明;蒋欣颜 申请(专利权)人: 中国计量大学
主分类号: G06F30/15 分类号: G06F30/15;G06F30/25;G06F30/27;G06N3/006;G01M3/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 310018 浙江省杭州市江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 改进 粒子 算法 无人机 气体 泄漏 定位 方法
【说明书】:

发明公开了一种基于改进粒子群算法的多无人机气体泄漏源定位方法,主要用于对气体泄漏源进行高效、精准的定位。该方法结合了人类心理学,使该方法更加智能化。人在越接近成功的时候会变得越谨慎。模仿人的心理,粒子在越靠近污染源时也会变得谨慎,放慢自己的速度,谨慎的移动。该方法在迭代初期采用基本粒子群算法,使粒子群在气体泄漏区域大范围的搜索。当有粒子超过阈值时开始进行分层迭代。将无人机的剩余电量与搜索到气体泄漏源的影响作为谨慎因子的衡量指标,在积极粒子层速度更新时加上谨慎因子,使粒子进行更细致的局部搜索,而在消极粒子层速度更新时加上积极粒子层的带动作用,提高了搜索效率,实现了对气体泄漏源高效的定位。

技术领域

本发明涉及一种泄漏源定位方法,特别涉及一种基于改进粒子群算法的多无人机气体泄漏源定位方法。

背景技术

危险气体经常出现在人们的日常生活中。如天然气、工业用的工业气体,自然灾害或安全事故后伴随产生有毒气体等,这些气体的泄漏都会对环境与人们的生活造成极大地危害。同时,气体泄漏后,如果所检测的区域面积较大,经常难以确定气体源的位置。传统污染源定位一般以固定检测站、车载式监测站和无线传感器网络为依据,通过将其位置和污染和污染物浓度信息相结合来估计污染源的位置。但由于受地面条件限制,监测站位往往分布不均匀或事故污染源附近不一定恰好设有监测站或被监测站所包围,无法实现对气体泄漏源精准定位。目前研究结果表明,无人机环境监测平台具有机动、灵活和监测范围广等优势,可以弥补现有固定监测站和监测车的不足,更有利于对气体泄漏源进行精准定位。

粒子群算法是一种模拟群体智能行为的优化算法,它的核心思想来源于对鸟群简化社会模型的研究及行为模拟。由于粒子群算法简单易实现,因此从出现至今,被迅速应用在许多科学和工程领域,已经成为群体智能算法的一个重要分支。在标准粒子群算法中,算法的收敛精度不够高,算法迭代初期收敛较快,后期对局部区域进行搜索时,收敛速度慢并且算法再陷入局部最优后难以跳出。

发明内容

针对标准粒子群算法存在的不足之处,本发明结合心理学,增加谨慎因子和分层迭代思想提出了一种改进粒子群算法。该方法具有定位精度高、速度快、鲁棒性强、且能避免陷入局部最优等特点,可以快速、高效的对气体泄漏源进行定位。

一种基于改进改进粒子群算法的多无人机气体泄漏源定位方法,该方法结合了人类心理学,使该算法更加智能化。人在越接近成功的时候会变得越小心翼翼,越谨慎。模仿人的心理,粒子在越靠近污染源时会变得谨慎,会放慢自己的速度,谨慎的移动。所以此想法是对粒子群进行分层迭代,迭代初期采用基本粒子群算法,使粒子群在气体泄漏区域大范围的搜索。当有粒子超过阈值时开始进行分层迭代。将无人机剩余电量的影响与定位到气体泄漏源的影响作为谨慎因子的衡量指标,在积极粒子层速度更新时加上了谨慎因子,使粒子进行更细致的局部搜索,提高搜索效率,避免大范围搜索时间的浪费。而在消极粒子层速度更新时加上积极粒子层的带动作用,使消极层粒子群更快的向积极层粒子群靠近。该方法包括以下步骤:

步骤1:在待监测区设置N架无人机,此次模拟仿真设置了6架无人机;

步骤2:初始化无人机的位置和速度;

步骤3:计算初始无人机群各个体的适应值;

步骤4:用改进粒子群算法搜索气体泄漏源;

步骤5:更新各无人机的位置;

步骤6:判断气体泄漏源是否定位成功,若成功,执行步骤7,否则转回步骤4;

步骤7:输出气体泄漏源的位置。

在步骤4中提出的改进粒子群算法,如图1所示,包括以下步骤:

步骤1:初始化种群的迭代次数maxgen、种群规模popsize、粒子的速度V和位置pop、参数c1、c2、c3、权重系数w、w1、w2

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国计量大学,未经中国计量大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110320464.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top