[发明专利]一种基于改进海鸥算法的多无人机气体泄漏源定位方法

说明书

本发明创造性地将改进海鸥算法与无人机群相结合，公开了一种基于改进海鸥算法的多无人机气体泄漏源定位方法。相对于传统的依赖固定监测站或地面移动机器人的溯源方法，本发明以无人机集群作为气体泄漏的溯源平台，具有成本低、搜索范围广、灵活性强和溯源效率高等优点。基于改进海鸥算法的气体泄漏源定位方法，相比于标准海鸥算法，具有如下创新性：缩小了平衡算子B的取值范围，大大减小了步长，使得全局搜索能力得到大幅提升；将螺旋半径r设为固定值，保证个体在迭代过程中不会出现较为紊乱的移动方向，提高了算法的稳定性；觅食行为的引入，使得其它个体在跟随最优个体的同时，会进行自己的探索，避免陷入局部最优。

技术领域

本发明涉及一种多无人机协同气体泄漏源定位方法，属于多旋翼无人机与大气环境监测领域。

背景技术

作为我国经济发展的重要支撑，工业发展对经济的影响显而易见，但随之而来的环境污染问题也在不断突出。当前，大气环境污染时有发生，如工业生产过程中污染气体排放产生的异常气味，时常引起居民的不满情绪和投诉，如何在最短的时间内找到污染源，为大气环境污染处理提供最快的技术支持显得十分重要。目前，气体泄漏源定位方法多采用固定监测站或地面移动机器人，固定监测站受位置限制的缺点很明显，在污染源泄漏时，很有可能因为固定监测站位置分布不均匀导致污染源定位不准确，从而错过发现污染源的最佳时机，而地面移动机器人虽然可以在溯源过程中改变自己的位置，但很难适应气体污染物在大气介质中扩散速度快和范围广的特性，并且难以持续工作。当前，无人机在环境领域的应用正处于高速发展阶段，无人机有着成本低、搜索范围广和灵活性强等优点，以无人机作为大气污染源定位平台，可以扩大溯源的范围，提高溯源的效率。

针对当前日益严重的环境污染问题以及现有气体泄漏源定位方法的局限性，本发明要解决的技术问题是“基于群智能算法的多无人机气体泄漏源定位问题”。

目前，群智能优化算法主要有遗传算法、粒子群算法和人工鱼群算法等，而海鸥算法于2019年刚刚提出，并逐渐在营销策略规划、最优化测井解释和图像分割等方面开始应用。本专利首次将该海鸥算法用以解决气体泄漏源定位的技术问题，但在应用过程中仍存在如下问题：在标准海鸥算法中，海鸥最重要的特征是迁徙和攻击行为，迁徙行为中平衡算子B的设定使得算法很大程度上延长了当前个体与最优个体的间距，这样个体在下一步的位置更新中能够以较大的步长接近最优个体，整体收敛速度快一些，但是在迭代过程中容易错过最优值；其次，攻击行为中螺旋半径r的随机取值会使得个体的移动方向较为紊乱；最后，算法整体缺少个体的随机探索过程，导致在迭代过程中其它个体会无条件跟随当前最优个体，容易陷入局部最优。

发明内容

本发明的目的是为了弥补现有泄漏源定位技术的不足，创新性的将多无人机群与改进海鸥算法结合，提出了一种基于改进海鸥算法的多无人机气体泄漏源定位方法，该方法具有全局搜索能力强、收敛性强和不易陷入局部最优等优点，可以快速、高效的定位泄漏源。针对标准海鸥算法存在的不足之处，本发明提出一种改进海鸥算法。首先，本发明缩小了平衡算子B的取值范围，大大减小了步长，使得算法的全局搜索能力得到大幅提升。其次，本发明将螺旋半径r设为固定值，保证个体在迭代过程中不会出现较为紊乱的移动方向。最后，本发明在原海鸥算法的基础上加入觅食行为，增强了个体的探索能力，使得算法在迭代过程中不易陷入局部最优。

一种基于改进海鸥算法的多无人机气体泄漏源定位方法，包括以下步骤：

步骤1：在气体泄漏源下风向区域检测到气体污染物浓度值明显超出日常监测范围，初步判断可能存在企业偷排行为，则启动应急溯源程序；

步骤2：在待监测区域设置N架无人机，给定无人机的初始位置；

步骤3：采用改进海鸥算法搜索气体泄漏源；

步骤4：更新各个无人机的位置；

步骤5：判断气体泄漏源是否定位成功，若成功，执行步骤6，否则返回步骤3；