[发明专利]基于信息熵的气体源搜索方法

摘要

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。

主权项

1.基于信息熵的气体源搜索方法，其特征在于，包括以下步骤：/n设置机器人初始坐标系与地图坐标系、里程计坐标系重合；/n机器人通过Z字形搜索发现烟羽信息；/n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；/n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；/n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；/n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；/n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：/n /n /n /n式中，表示气体源的状态向量，p_k是机器人所在位置，即传感器坐标，p_s是气体源位置，C(p_k|Γ_s)表示已知状态向量Γ_s的情况下p_k位置的气体平均浓度，λ和β为中间量；(x_s,y_s)表示气体源坐标，(x_k,y_k)表示机器人坐标，r_s为气体释放速率，D_s表示有效扩散率，v_s表示风速，表示风向，τ_s为气体粒子寿命，气体传感器的输出浓度采用质量浓度进行表示。/n