CN101493328B - 基于气味实测的机器人气味源搜索方法 - Google Patents
基于气味实测的机器人气味源搜索方法 Download PDFInfo
- Publication number
- CN101493328B CN101493328B CN2009101149243A CN200910114924A CN101493328B CN 101493328 B CN101493328 B CN 101493328B CN 2009101149243 A CN2009101149243 A CN 2009101149243A CN 200910114924 A CN200910114924 A CN 200910114924A CN 101493328 B CN101493328 B CN 101493328B
- Authority
- CN
- China
- Prior art keywords
- smell
- robot
- odor
- odor source
- odorousness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于气味实测的机器人气味源搜索方法,其特征在于所述方法包括以下步骤:气味发现和起步阶段,机器人利用气味探测装置检测到所需搜索的气味;根据机器人检测到的气味在不同方向的气味浓度差异初步判断气味源方向;按照初步判断的气味源方向开始行走;气味跟踪阶段,根据机器人测得的气味浓度情况和气味浓度的复归程度调整步长持续行走;气味源定位阶段,机器人以固定步长变化率或动态步长变化率调整步长持续行走。该方法既具有并扩展了气味发现功能,又改善了气味跟踪性能,并增加了气味源定位功能,在机器人气味搜索方面具有广泛的应用前景。
Description
技术领域
本发明属于机器人依靠主动嗅觉搜索目标的六边形路径技术领域,具体涉及了一种基于气味实测的机器人气味源搜索方法及其应用。
背景技术
机器人依靠主动嗅觉搜索目标的研究在近几年得到迅速发展。利用移动机器人搜索有毒有害的气味源,在救灾、抢险乃至反恐、安全等领域有着广阔的应用前景。Holland和Melhuish于1996年在Cambridge:MIT Press杂志提出了机器人模仿真蜗虫行为的Z形路径跟踪策略。接着,Lilienthal在2003年Proceedings of American Mathematical Society杂志根据雄蛾寻觅雌蛾的行为,提出发散正弦波接圆周路径的发现和跟踪策略。这两种策略的机器人跟踪效率不高,鉴于此Russell又提出六边形路径跟踪策略,弥补了前两种策略的缺陷,并用之进行了地下气味源跟踪试验。Russell在RoboMole项目中的基于单个嗅觉传感器的机器人六边形路径气味跟踪方法以及实测数据为根据,以计算机仿真为手段,分析该方法的性能,进一步改进并完善其方法做必要的前期工作。
如图1,根据土壤中气味源自由扩散运动遵循的菲克第二定律,可推得地表土中气味浓度分布D(x,t)为
式(IV)中,erfc()是余误差函数,D0是气味源浓度,U是扩散常数,x为测点与气味源地面垂直位置O的距离,t为时间。
如图2,传统六边形路径方法设机器人利用自身携带的传感器探测地表土中的气味浓度,在地面按六边形路径跟踪气味,逐步走向气味源浓度增大方向。机器人在每个路径点(六边形顶点)根据前两个路径点所测浓度和前一个路径点的转弯方向,决定按顺时针转60°或逆时针转60°再走一步(六边形边长),直至机器人与气味源地面垂直位置距离小于步长时停止。
通过计算机仿真按照现有技术的方法用其进行气味源搜索,发现机器人的跟踪过程通常无限长,会在一个包含气味源的大面积区域内漫无目的徘徊,或者停止在路途中,很少会进入定位阶段。这一现象意味着现有技术中六边形现有技术方法只能完成气味跟踪任务,不具有可靠的气味源定位功能。换言之,弥补这些缺陷,找到包括可靠的气味发现和起步、气味跟踪、气味源定位等功能的方法是本发明的由来。
发明内容
本发明目的是提供一种基于气味实测的机器人气味源搜索方法,该方法解决了现有技术的搜索方法不能解决的气味源定位问题,也改善了现有技术的搜索方法的起步和气味跟踪问题。
为了解决上述问题,本发明提供的技术方案如下:
一种基于气味实测的机器人气味源搜索方法,其特征在于所述方法包括以下步骤:
气味发现和起步阶段,机器人利用气味探测装置检测到所需搜索的气味;根据机器人检测到的气味在不同方向的气味浓度差异初步判断气味源方向;按照初步判断的气味源方向开始行走;
气味跟踪阶段,根据机器人检测到的气味浓度变化情况和气味浓度的复归程度,以动态改变的步长变化率,调整步长持续行走;
气味源定位阶段,机器人根据检测到的气味浓度的复归程度和变化情况,以固定步长变化率调整步长持续行走。
优选的,所述气味发现步骤中气味探测装置为气体传感器。
优选的,所述的气味发现和起步阶段时,机器人采用固定步长以六边形路径模式行进。
优选的,所述气味发现和起步阶段时以固定步长行进的步数为2~6。
优选的,所述气味跟踪阶段调整步长包括:
机器人实测气味浓度并根据气味浓度的二阶相对差分值判断,机器人即时调整步长以六边形路径模式跟踪持续行走。
优选的,所述气味跟踪阶段按式(I)得到步长变化率k即时调整步长;
其中,D为路径点的气味浓度;n,n-1,n-2为刚完成的行进步序,k大于0代表浓度在连续三步内的总效果增加,k小于0代表浓度在连续三步内的总效果减小,k等于0代表浓度在连续三步内的总效果不变;
在所述跟踪阶段内持续行走时,其步长按式(II)计算并调整:
mn,n+1=(1-k)mn-1,n (II);
其中,k为步长变化率,mn,n+1为第n+1步的步长;n,n-1为同上定义。
优选的,所述气味源定位阶段时,机器人以固定步长变化率调整步长,即:
其中,C为经验值,mn,n+1为第n+1步的步长;n,n-1为刚完成的行进步序,kn为刚完成的步序为n时的步长变化率。
优选的,所述方法中气味复归程度通过式(IV)来判断,即
0.95D(n-6)<=D(n)<=1.05D(n-6)(IV);
其中,D为路径点的气味浓度;n,n-6为行进步序,当式(IV)连续3次满足时,则结束跟踪阶段而进入定位阶段;否则继续跟踪行走。
优选的,所述方法还包括气味发现和起步阶段到气味跟踪阶段、气味跟踪阶段到气味源定位阶段的判断步骤,所述判断步骤包括:
气味发现和起步阶段时,通过累计行走的步数判断是否需转入跟踪阶段,当累计步数达到6时,则结束起步阶段而进入跟踪阶段;
跟踪阶段时,通过测量并计算气味复归程度判断是否需转入定位阶段,所述的气味复归程度通过式(IV)来判断,即
0.95D(n-6)<=D(n)<=1.05D(n-6)(IV);
其中,D为路径点的气味浓度;n,n-6为行进步序,当式(IV)连续3次满足时,则结束跟踪阶段而进入定位阶段。
优选的,所述方法中当机器人因其行走机构的阻尼而停止行进时,即视为到达气味源。
本发明人经长期研究认为,若能够使机器人在搜索过程中根据实测得到的即时气味浓度变化,采取不同的变步长策略,跟踪气味源并最终围绕气味源有意识地缩聚行走,直至自然停止在地下气味源垂直上方的地面位置,则这种方法具有气味跟踪和气味源定位双重功能。
本发明人研究现有技术中六边形路径搜索方法的结果,发现机器人在搜索的全过程中,其行为有如下特点:气味发现起步阶段,机器人是随机选取方向而起步的,并往往呈现“迂回”行为以找准气味源的大致方向;途中阶段,机器人夹杂着“绕圈”行为,总体“蜿蜒曲折地”朝着气味源大致方向行进,时有“绕圈”现象;最后阶段,机器人进行大范围无目的“徘徊”。
显然,起步阶段的方向不应随机选取,且“迂回”行为应尽快结束;途中阶段的“绕圈”和“蜿蜒曲折”既费时又耗能,需要予以消除;最后阶段的“徘徊”如果能转变成“缩聚”,则可以呈现出定位功能。本发明提出基于实测浓度值的变步长策略,可很好实现这些设想。
基于土壤中气味的实际扩散情况和出于本发明想要达到的目的,根据机器人实测的浓度值,选择不同的步长调整策略,执行以下步骤直至因行走机构的阻尼而自然停止:(1)选择可能性最大的气味源方向起步;(2)在起步阶段,保持初始步长不变,即采用固定步长;(3)在途中阶段,根据即时浓度的相对变化率和气味的复归程度来调整步长;(4)在最后阶段,根据固定步长变化率调整步长;(5)以调整后的步长前进一步。
本发明的技术方案中携带气体传感器的移动机器人通过探测地表土壤中的气味浓度来搜索土壤中气味源的方法,对传统六边形方法予以改进,解决了现有技术中六边形方法在气味源定位方面的不足;该改进方法相对于原方法而言,既扩展了气味发现功能,又改善了气味跟踪性能,还增加了气味源定位功能,即新方法具有较完整的气味源搜索功能,在机器人气味搜索定位方面具有广泛的应用前景。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1为现有技术中地表土壤中气味扩散示意图;
图2为现有技术中定步长搜索方法的流程图;
图3为本发明技术方案中机器人步长改变示意图;
图4为本发明实施例中基于气味实测的机器人气味搜索方法的流程图;
图5为本发明应用例中机器人不同初始方向下的搜索路径图;
图6为本发明应用例中最大噪声下的搜索路径图;
图7为本发明应用例中仿真试验鲁棒性分析图;
图8为本发明对比例中定步长搜索方法搜索路径图二例;
图9为本发明对比例中变步长搜索方法搜索路径图;
图10为现有技术与本发明的技术方案前100步机器人与气味源的距离变化比较。
具体实施方式
为了更详尽的表述上述发明的技术方案,以下本发明人列举出具体的实施例来说明技术效果;需要强调的是,这些实施例是用于说明本发明而不限于限制本发明的范围。
实施例
如图3和图4,该基于气味实测的机器人气味源搜索方法按以下具体步骤进行:
1、气味发现阶段,机器人利用气体传感器检测到所需搜索的气味;根据机器人检测到的气味在不同前进方向气味浓度差异初步判断气味源方向并起步行走。
2、起步阶段,机器人在检测气味浓度的同时,以六边形路径模式进行持续行走6步。
3、气味跟踪阶段,根据实测的气味浓度和判断气味复归程度调整步长,以六边形路径模式进行持续行走。
4、气味源定位阶段,机器人以固定步长变化率调整步长,以六边形路径模式进行持续行走。
由于气味的实际扩散情况具有接近于余误差函数的规律,所以根据气味实测的机器人的调整步长策略包括:
气味发现和起步阶段时,机器人以固定步长并以六边形路径模式行进,步数为6;
气味跟踪阶段调整步长包括:
机器人实测气味浓度并根据气味浓度的二阶相对差分值判断,机器人即时调整步长以六边形路径模式跟踪持续行走。
气味跟踪阶段按式(I)得到步长变化率k;
其中,D为路径点的气味浓度;n,n-1,n-2为刚完成的行进步序,k大于0代表浓度在连续三步内的总效果增加,k小于0代表浓度在连续三步内的总效果减小,k等于0代表浓度在连续三步内的总效果不变;
在跟踪阶段内持续行走时,其步长按式(II)计算并调整:
mn,n+1=(1-k)mn-1,n (II);
其中,k为步长变化率,mn,n+1为第n+1步的步长;n,n-1为同上定义。
气味源定位阶段时,机器人按式(III)调整步长:
其中,C为经验值,mn,n+1为第n+1步的步长;n,n-1为刚完成的行进步序,kn为刚完成的步序为n时的步长变化率。
优选的,所述方法中气味复归程度通过式(IV)来判断,即
0.95D(n-6)<=D(n)<=1.05D(n-6) (IV);
其中,D为路径点的气味浓度;n,n-6为行进步序,当式(IV)连续3次满足时,则结束跟踪阶段而进入定位阶段;否则继续跟踪行走。
当然,这其中包括气味发现和起步阶段到气味跟踪阶段、气味跟踪阶段到气味源定位阶段的判断步骤,其判断步骤通过以下方法实现:
气味发现和起步阶段时,通过累计行走的步数判断是否需转入跟踪阶段,当累计数达到6时,则结束起步阶段而进入跟踪阶段;
跟踪阶段时,通过测量并计算气味复归程度判断是否需转入定位阶段,所述的气味复归程度通过式(IV)来判断,即
0.95D(n-6)<=D(n)<=1.05D(n-6)(IV);
其中,D为路径点的气味浓度;n,n-6为行进步序,当式(IV)连续3次满足时,则结束跟踪阶段而进入定位阶段。
方法在实施中,当机器人的行走驱动力超过机器人行走机构阻尼时,机器人会按行进步长持续行进,否则停止即视为到达气味源。即方法中当机器人因其行走机构的阻尼而停止行进时,即视为到达气味源。
本发明的技术方案也可以通过输入机器人中的计算机程序来控制实现,类似程序如下:
repeat1()//起步阶段
{
if(s<=6)
mn,n+1=mn-1,n
}
repeat2()//跟踪阶段和定位阶段
{
if(0.95D(n-6)<=D(n)<=1.05D(n-6))
then l=l+1
else l=0
k=[D(n)-D(n-2)]/[2D(n-1)]
mn,n+1=(1-k)mn-1,n
if l=3
then mn,n+1=[(1-k)mn-1,n ]/C
else mn,n+1=[(1-k)mn-1,n]
}
其中,s是步次,k为步长变化率,l为步数连续累计值,C是给定的经验值,mi,i+1为机器人第i步将用步长。
应用例
仿真方案:在显示屏象素平面中,给定气味源位置和机器人初始位置,平面各象素处气味浓度值按式(VI)及式(VII)得到,机器人按六边形方法跟踪气味浓度增大的方向。
根据现有技术中Russell提供的距离和气味浓度的实测数据,经拟合得回归方程:
D(x)=-0.0004x3+0.0034x2-0.0302x+4.9893±ΔD(x) (VI);
其中ΔD(x)是概率密度p(ΔD,x)随距离按高斯分布变化的随机偏差项,其值由式(VI)取[a,b]=[0.024,0.142]得出式(VII):
ΔD(x)=rand(1)×aexp(bx)(VII)。
对上述方法进行仿真,并针对所得路径分析其性能,每种分析均仿真80次。
A稳定性分析
以三个不同初始方向开始搜索,均最终缩聚在气味源处。图5是其中随取三例,图中数值是路径点处气味浓度。从搜索路径的起步阶段和途中阶段可见,变步长方法具有很好的全局和局部稳定性。
B抗噪性分析
将式(VII)改为式(VIII),取浓度偏差为最大值,即施加最大的环境噪声,搜索路径均实现定位作用,图6是其中一例。可见方法的抗噪性很好。
ΔD(x)=aexp(bx) (VIII)。
C鲁棒性分析
凹凸地面会造成机器人行走机构的非同步现象,即不同轮子产生不同位移量。本发明在仿真中人为加入随机的机器人转弯角度偏差,以模拟实际应用场合中地面不平整、机器人行走机构偏差、机器人本体某些条件变化等情况。图7是加入±-10度内随机偏差的一条搜索路径,结果表明方法具有很好的鲁棒性。
对比例
将现有技术中的定步长方法与本发明提出的变步长方法在相同初始步长条件下按照应用例的方法进行仿真试验,原方法步长始终不变,而变步长方法步长根据气味实测值调整。图8和图9分别是两种方法各一例搜索路径,对比可见变步长的定位功能是显而易见的。图10是两种方法搜索100步,机器人与气味源距离的对比,变步长方法在气味源定位阶段的缩聚特征是明显的,从第100步往后变步长方法机器人与气味源平均距离小于初始距离的4.5%。
综上所述,经所做仿真研究及实验结果表明,本发明提出的基于机器人实测气味的变步长方法,具有良好且完整的气味源搜索功能;具有很好的稳定性、抗噪性和鲁棒性;搜索路径是绝对收敛的;明显优于现有技术中的定步长方法。本发明提出的变步长方法,能够使携带单个气味传感器的地面移动机器人,针对在实际土壤中非理想扩散的气味源,很好地进行气味发现——气味跟踪——气味源定位的完整的气味搜索任务。
上述实例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人是能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于气味实测的机器人气味源搜索方法,其特征在于所述方法包括以下步骤:
气味发现和起步阶段,机器人利用气味探测装置检测到所需搜索的气味;根据机器人检测到的气味在不同方向的气味浓度差异初步判断气味源方向;按照初步判断的气味源方向开始行走;
气味跟踪阶段,根据机器人检测到的气味浓度变化情况和气味浓度的复归程度,以动态改变的步长变化率,调整步长持续行走;
气味源定位阶段,机器人根据检测到的气味浓度的复归程度和变化情况,以固定步长变化率调整步长持续行走。
2.根据权利要求1所述的基于气味实测的机器人气味源搜索方法,其特征在于所述气味发现和起步阶段中气味探测装置为气体传感器。
3.根据权利要求1所述的基于气味实测的机器人气味源搜索方法,其特征在于所述的气味发现和起步阶段时,机器人采用固定步长以六边形路径模式行进。
4.根据权利要求3所述的基于气味实测的机器人气味源搜索方法,其特征在于所述气味发现和起步阶段时以固定步长行进的步数为2~6。
5.根据权利要求1所述的基于气味实测的机器人气味源搜索方法,其特征在于所述气味跟踪阶段调整步长包括:
机器人实测气味浓度并根据气味浓度的二阶相对差分值判断,机器人即时调整步长以六边形路径模式跟踪持续行走。
6.根据权利要求5所述的基于气味实测的机器人气味源搜索方法,其特征在于所述气味跟踪阶段按式(I)得到步长变化率k即时调整步长;
其中,D为路径点的气味浓度;n,n-1,n-2为刚完成的行进步序,k大于0代表浓度在连续三步内的总效果增加,k小于0代表浓度在连续三步内的总效果减小,k等于0代表浓度在连续三步内的总效果不变;
在所述跟踪阶段内持续行走时,其步长按式(II)计算并调整:
mn,n+1=(1-k)mn-1,n (II);
其中,k为步长变化率,mn,n+1为第n+1步的步长n,n-1为刚完成的行进步序。
7.根据权利要求1所述的基于气味实测的机器人气味源搜索方法,其特征在于所述气味源定位阶段时,机器人以下式的步长变化率计算和调整步长,即:
其中,C为经验值,mn,n+1为第n+1步的步长;n,n-1为刚完成的行进步序,kn为刚完成的步序为n时的步长变化率。
8.根据权利要求1所述的基于气味实测的机器人气味源搜索方法,其特征在于所述方法中气味浓度的复归程度通过式(IV)来判断,即
0.95D(n-6)<=D(n)<=1.05D(n-6) (IV);
其中,D为路径点的气味浓度;n,n-6为行进步序,当式(IV)连续3次满足时,则结束跟踪阶段而进入定位阶段;否则继续跟踪行走。
9.根据权利要求1所述的基于气味实测的机器人气味源搜索方法,其特征在于所述方法还包括气味发现和起步阶段到气味跟踪阶段、气味跟踪阶段到气味源定位阶段的判断步骤,所述判断步骤包括:
气味发现和起步阶段时,通过累计行走的步数判断是否需转入跟踪阶段,当累计步数达到6时,则结束起步阶段而进入跟踪阶段;
跟踪阶段时,通过测量并计算气味浓度的复归程度判断是否需转入定位阶段,所述气味浓度的复归程度通过式(IV)来判断,即
0.95D(n-6)<=D(n)<=1.05D(n-6) (IV);
其中,D为路径点的气味浓度n,n-6为行进步序,当式(IV)连续3次满足时,则结束跟踪阶段而进入定位阶段。
10.根据权利要求1所述的基于气味实测的机器人气味源搜索方法,其特征在于所述方法中当机器人因其行走机构的阻尼而停止行进时,即视为到达气味源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101149243A CN101493328B (zh) | 2009-02-09 | 2009-02-09 | 基于气味实测的机器人气味源搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101149243A CN101493328B (zh) | 2009-02-09 | 2009-02-09 | 基于气味实测的机器人气味源搜索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101493328A CN101493328A (zh) | 2009-07-29 |
CN101493328B true CN101493328B (zh) | 2011-08-17 |
Family
ID=40924039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101149243A Expired - Fee Related CN101493328B (zh) | 2009-02-09 | 2009-02-09 | 基于气味实测的机器人气味源搜索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101493328B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169346B (zh) * | 2011-02-18 | 2013-07-17 | 杭州电子科技大学 | 一种协调多机器人系统的智能控制方法 |
CN103090833B (zh) * | 2011-10-31 | 2016-12-28 | 国民技术股份有限公司 | 基于rfid‑sim卡的读卡距离探测系统、方法 |
CN105277593B (zh) * | 2015-11-16 | 2018-02-27 | 江苏拓新天机器人科技有限公司 | 一种基于移动机器人的室内气味源定位方法 |
CN105301203B (zh) * | 2015-11-27 | 2016-12-28 | 中国矿业大学 | 一种基于烟花算法的气味源定位方法 |
CN106126888B (zh) * | 2016-06-16 | 2018-07-06 | 中南大学 | 一种基于自组织编队行为的集群机器人轨迹跟踪方法 |
CN106125737B (zh) * | 2016-08-25 | 2018-11-13 | 北京创想智控科技有限公司 | 一种移动机器人有毒气体搜源的装置、系统及方法 |
CN106442879B (zh) * | 2016-09-10 | 2018-09-28 | 天津大学 | 用于三维环境中气味源方向指示的检测方法 |
CN109540141B (zh) * | 2018-11-23 | 2019-10-22 | 北京科技大学 | 一种污染源定位移动机器人及污染源定位方法 |
CN113491479B (zh) * | 2020-03-20 | 2022-06-28 | 俞海燕 | 一种具有气味检测的清扫装置 |
CN114706387A (zh) * | 2022-03-18 | 2022-07-05 | 深圳优地科技有限公司 | 一种气味源定位方法及移动机器人 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030105534A1 (en) * | 2001-11-20 | 2003-06-05 | Sharp Kabushiki Kaisha | Group robot system, and sensing robot and base station used therefor |
CN101210817A (zh) * | 2007-12-24 | 2008-07-02 | 河北工业大学 | 室内环境下机器人自主搜寻气味源的方法 |
CN101319875A (zh) * | 2008-07-23 | 2008-12-10 | 天津大学 | 基于视觉注意机制的气体泄漏源搜寻方法 |
-
2009
- 2009-02-09 CN CN2009101149243A patent/CN101493328B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030105534A1 (en) * | 2001-11-20 | 2003-06-05 | Sharp Kabushiki Kaisha | Group robot system, and sensing robot and base station used therefor |
CN101210817A (zh) * | 2007-12-24 | 2008-07-02 | 河北工业大学 | 室内环境下机器人自主搜寻气味源的方法 |
CN101319875A (zh) * | 2008-07-23 | 2008-12-10 | 天津大学 | 基于视觉注意机制的气体泄漏源搜寻方法 |
Non-Patent Citations (7)
Title |
---|
R.Andrew Russell.A Ground-Penetrating Robot for Underground Chemical Source Location.《intelligent Robots and Systems》.2005,175-180. * |
R.Andrew Russell.Locating Underground Chemical Sources by Tracking Chemical Gradients in 3 Dimensions.《Intelligent Robotsand Systems》.2004,325-330. * |
唐波等.一种机器人气味源跟踪算法的性能分析.《苏州科技学院学报(工程技术版)》.2008,第21卷(第2期),68-71、80. * |
王俭等.一种改进的机器人路径规划蚂蚁算法.《微计算机信息》.2005,第21卷(第5期),53、54、64. * |
王俭等.均匀扩散下机器人变步长气味源搜索算法.《苏州大学学报(工科版)》.2008,第28卷(第3期),21-24. * |
王俭等.基于蚂蚁行为的移动机器人局部路径规划.《苏州科技学院学报(工程技术版)》.2006,第19卷(第1期),77-81. * |
王俭等.目标信号导航的机器人路径二次优化.《电子测量与仪器学报》.2007,第21卷(第5期),73-76. * |
Also Published As
Publication number | Publication date |
---|---|
CN101493328A (zh) | 2009-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101493328B (zh) | 基于气味实测的机器人气味源搜索方法 | |
CN105260575B (zh) | 一种基于神经网络的巷道围岩变形预测方法 | |
Neaupane et al. | Use of backpropagation neural network for landslide monitoring: a case study in the higher Himalaya | |
CN102034030B (zh) | 一种多机器人系统合作定位危险气味源方法 | |
CN102937721B (zh) | 利用初至波走时的有限频层析成像方法 | |
Koch et al. | Inter-comparison of three distributed hydrological models with respect to seasonal variability of soil moisture patterns at a small forested catchment | |
Saadat et al. | An ANN-based approach to predict blast-induced ground vibration of Gol-E-Gohar iron ore mine, Iran | |
Thomas et al. | Aeolian system responses to global change: challenges of scale, process and temporal integration | |
CN102278988B (zh) | 一种步行定位方法与设备 | |
CN104881547B (zh) | 一种用于定向井井眼轨迹的误差分析方法 | |
CN103279759A (zh) | 一种基于卷积神经网络的车辆前方可通行性分析方法 | |
CN103968827A (zh) | 一种可穿戴式人体步态检测的自主定位方法 | |
CN104864873B (zh) | 一种利用人体运动特征辅助地图定位的方法 | |
CN104076392A (zh) | 基于网格搜索和牛顿迭代的微震震源定位联合反演方法 | |
CN105093319B (zh) | 基于三维地震数据的地面微地震静校正方法 | |
Zhongya et al. | Prediction of peak velocity of blasting vibration based on artificial neural network optimized by dimensionality reduction of FA-MIV | |
CN107515004A (zh) | 步长计算装置及方法 | |
CN105956271A (zh) | 一种隧道盾构施工引起地层位移的计算方法 | |
Ma et al. | A geometry-based slip prediction model for planetary rovers | |
CN103852789B (zh) | 用于地震数据的非线性层析方法及其装置 | |
CN103364823B (zh) | 震动源实时定位与分析系统 | |
CN103455709A (zh) | 一种用于数字高程模型的超分辨率方法及其系统 | |
CN107957594A (zh) | 地震数据的椭圆校正方法、动校正方法及速度谱计算方法 | |
CN104331080B (zh) | 用于移动式机器人的定点跟踪路径规划方法 | |
Manjanna et al. | Autonomous gait selection for energy efficient walking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110817 Termination date: 20130209 |