CN104007763A - 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法 - Google Patents
一种固定式电子鼻节点与移动机器人协作搜寻气味源方法 Download PDFInfo
- Publication number
- CN104007763A CN104007763A CN201410263831.8A CN201410263831A CN104007763A CN 104007763 A CN104007763 A CN 104007763A CN 201410263831 A CN201410263831 A CN 201410263831A CN 104007763 A CN104007763 A CN 104007763A
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- electronic nose
- concentration
- odor source
- node
- 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.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种固定式电子鼻节点与移动机器人协作搜寻气味源方法,属于气体检测领域。通过等距离安放无线电子鼻节点,将工作空间分割为多个矩形栅格区域。固定式电子鼻节点检测气味浓度场的时间和空间信息。移动机器人实时接收固定式电子鼻测得浓度数据,并根据其实时位置,确定所在栅格区域的电子鼻节点,将自带电子鼻测得数据与邻近节点测得数据进行融合,确定气体浓度值变化趋势和下一步搜索方向,从而朝着气体浓度最高的方向行进。本发明中通过固定式电子鼻节点对浓度场的信息提取,与移动机器人测得浓度信息进行融合,引导移动机器人向浓度更高的方向行驶,逐渐靠近气味源。相比传统的搜寻策略能更加准确有效的获取气体浓度空间信息。
Description
技术领域
本发明涉及自动检测及机器人技术领域,涉及一种固定式电子鼻节点与移动机器人协作搜寻气味源方法。
背景技术
移动机器人自主搜寻气味源问题,是指移动机器人在非人工操作的情况下,以自主的方式发现,跟踪烟羽并最终确定气味源位置的过程。随着近代工业的快速发展,人们工作生活中可能接触到的有害气体种类、数量日益增多。有害气体一旦发生泄漏事故,又不能得到快速处理的话,不但对周围环境和设备等造成巨大危害,也对人类的安全与健康构成严重威胁。因此,搜寻并定位有毒有害气味源的技术及应用就显得尤为重要。
基于对生物嗅觉导航的仿生,自1964年,Wilkens和Hatman利用气味分子在电极上的氧化—还原反应研制了第一个“电子鼻”,现在电子鼻系统的研究已达到了一个较高的水平。上世纪90年代开始,学者们尝试采用结合气味传感器的移动机器人进行气味源的搜寻。目前,针对移动机器人,已经给出了很多的气味源搜寻策略和方法。如,以气味的逆流方向为导向的逆风搜索法;以气味烟羽浓度为导向的浓度梯度法;Z字形接近法和外螺旋搜索法;柔性追踪和漩涡线法等等。
之后,由于多机器人系统具有鲁棒性强、搜索效率高和可扩展等优势,近年来逐渐代替单机器人成为搜索危险气体的主要工具。根据采用方式的不同,现有方法和策略主要可以分为三类:其一,对单机器人搜索策略的简单扩展;其二,基于机器人采样点的气味源概率分布估计;其三,基于群体智能的方法。但是,针对多机器人系统的现有搜寻方法仍然存在很多问题。如,多数方法考虑烟羽分布静止不变的情况,实际应用效果差;现有方法大多采用同步并行方式更新机器人的位置,造成机器人资源的浪费;多机器人系统资金耗费较大,等等。
综上所述,以上诸多方法虽有其独到的一面,但也均有其缺陷和不足。当上述方法应用于实际中时,很难获得满意的效果。
发明内容
针对上述问题,本发明提出了一种固定式电子鼻节点与移动机器人协作搜寻气味源方法,它将移动机器人检测与传统的固定式电子鼻节点检测相结合,充分利用环境中浓度场的信息,与移动机器人的检测信息形成互补。此方法对环境和搜寻条件的变化具有很强的应变能力,能有效提高气体泄漏源的搜寻效率和成功率。
将固定式无线电子鼻节点有序的安放,从而将工作空间分割为多个栅格,每四个节点形成一个矩形栅格区域。气味源散发时会在空间中形成浓度场,无线电子鼻测得的浓度信息实时传送给移动机器人。当工作空间中的电子鼻节点测得烟羽气味时,启动移动机器人进行搜寻。
在矩形栅格区域内,机器人搜寻过程中将自带电子鼻测得数据与邻近的四个固定式电子鼻测得数据进行融合分析,并驶向区域内浓度值最高节点。到达另一矩形栅格区域后,重复上一过程。这样移动机器人就始终朝着目标气体浓度最高的方向前进。
移动机器人在搜寻过程中逐步的靠近气味源,当移动机器人在某一矩形区域内自身测得浓度值高于邻近的四个节点所测浓度值或者区域内各点测得的浓度值变化趋势十分缓慢时,就找到了气味源所在区域,从而确定气味源。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为固定式无线电子鼻节点有序安放形成的栅格区域图;
图2为本发明所述气味源搜寻方法的流程图;
图3为基于本发明所述气味源搜寻方法的具体搜寻流程图;
图4为移动机器人在栅格区域内与邻近节点信息交换图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
发明中采用的固定式电子鼻节点与移动机器人协作搜寻气味源的方法,能通过固定式电子鼻节点对浓度场的信息进行提取,与移动机器人测得浓度信息进行对比,从而引导移动机器人向浓度更高的方向行驶,逐渐靠近气味源。相比传统的搜寻策略能更加准确有效的获取空间目标气体浓度信息,确定气味源。
图2为本发明所述气味源搜寻方法的流程图。该方法包括:
将固定式无线电子鼻节点有序的安放,从而将工作空间分割为多个栅格,每四个节点形成一个矩形栅格区域。气味源散发时会在空间中形成浓度场,无线电子鼻测得的浓度信息实时传送给移动机器人。当工作空间中的电子鼻节点测得烟羽气味时,启动移动机器人进行搜寻。
在矩形栅格区域内,机器人搜寻过程中将自带电子鼻测得数据与邻近的四个固定式电子鼻测得数据进行融合分析,并驶向区域内浓度值最高节点。到达另一矩形栅格区域后,重复上一过程。这样移动机器人就始终朝着目标气体浓度最高的方向前进。
移动机器人在搜寻过程中逐步的靠近气味源,当移动机器人在某一矩形区域内自身测得浓度值高于邻近的四个节点所测浓度值或者区域内各点测得的浓度值变化趋势十分缓慢时,就找到了气味源所在区域,从而确定气味源。
实施例:
如图3所示,为基于本发明所述气味源搜寻方法的具体搜寻流程图。本发明可将整个搜寻过程分为烟羽发现、烟羽跟踪和气味源确定三个阶段。
(1)烟羽发现阶段
固定式电子鼻节点被有序安放在工作空间中,每四个电子鼻节点形成一矩形区域,电子鼻节点测得的浓度信息实时传输给移动机器人。当工作空间出现气味源时,电子鼻节点传输来的浓度值到达唤醒移动机器人的限定值,则启动移动机器人进行气味源搜寻,进入烟羽跟踪阶段。
(2)烟羽跟踪阶段
如图4所示,为移动机器人在栅格区域内与邻近节点信息交换图。移动机器人启动气味源搜寻后,进入第一个栅格区域,开始进行气味源搜寻过程,在每到达一个由四个固定式电子鼻节点形成的栅格区域内时,移动机器人将自身所带节点测得浓度信息与邻近四个节点测得信息进行对比,以获得周围环境信息,并确定行进方向。具体步骤是:
(a)移动机器人到达编号为第k个矩形栅格区域;
(b)移动机器人选择出邻近四个节点测得浓度值;
(c)移动机器人将自带节点测得浓度值ek与邻近四个节点测得浓度值ak,bk,ck,dk进行比较,并驶向浓度值最高节点;
(d)到达下一编号为第k+1个矩形栅格区域后重复上两步过程。
同时,机器人会根据工作空间中各节点测定气体浓度值,利用高斯公式对气味源位置进行反算,以此对空间整体气体浓度进行把控并对气味源位置的全局最优进行求解。机器人在前进过程中会将局部区域内求解的前进方向与全局最优方向进行对比确认,以确定前进方向。
(3)气味源确定阶段
通过以上方式,直到移动机器人在某一矩形区域内自身测得浓度值高于邻近的四个节点所测浓度值或者区域内各点测得的浓度值变化趋势十分缓慢时,就找到了气味源所在栅格区域。值得注意的是,此气味搜寻方法能准确快速地确定气味源所在的栅格区域,其搜寻精度也就取决于空间中栅格区域大小。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (6)
1.一种固定式电子鼻节点与移动机器人协作搜寻气味源方法,其特征在于,该方法包括:将无线固定式电子鼻节点有序的安放,从而将工作空间分割为多个矩形栅格区域,每四个节点形成一个矩形栅格区域;气味源散发时会在空间中形成浓度场,无线电子鼻测得的浓度信息实时传送给移动机器人;当工作空间中的电子鼻节点测得烟羽气味时,启动移动机器人进行搜寻;
在矩形栅格区域内,机器人搜寻过程中将自带电子鼻测得数据与邻近的四个固定式电子鼻测得数据进行融合分析,并驶向区域内浓度值最高节点;到达另一矩形栅格区域后,重复上一过程;这样移动机器人就始终朝着目标气体浓度最高的方向前进;
移动机器人在搜寻过程中逐步的靠近气味源,当移动机器人在某一矩形区域内自身测得浓度值高于邻近的四个节点所测浓度值或者区域内各点测得的浓度值变化趋势十分缓慢时,就找到了气味源所在区域,从而确定气味源。
2.根据权利要求1所述的固定式电子鼻节点与移动机器人协作搜寻气味源方法,其特征在于:电子鼻节点有序的安放在工作空间中,气味源在空间形成浓度场后,能提取空间浓度场的空间变化和时间变化信息,形成对工作空间浓度场的整体把控。
3.根据权利要求1所述的固定式电子鼻节点与移动机器人协作搜寻气味源方法,其特征在于:固定式无线电子鼻测得浓度信息实时传输给移动机器人,电子鼻在测得烟羽气味后,通过传输的浓度信息唤醒移动机器人进行气味源搜寻。
4.根据权利要求1所述的固定式电子鼻节点与移动机器人协作搜寻气味源方法,其特征在于:移动机器人进行气味源搜寻过程中,在每到达一个由四个固定式电子鼻节点形成的矩形栅格区域内时,移动机器人将自身所带节点测得浓度信息与邻近四个节点测得信息进行对比,以获得周围环境信息,并确定行进方向;具体步骤是:
1)移动机器人到达编号为第k个矩形栅格区域;
2)移动机器人选择出邻近四个节点测得浓度值;
3)移动机器人将自带节点测得浓度值ek与邻近四个节点测得浓度值ak,bk,ck,dk进行比较,并驶向浓度值最高节点;
4)到达下一编号为第k+1个矩形栅格区域后重复上两步过程。
5.根据权利要求1所述的固定式电子鼻节点与移动机器人协作搜寻气味源方法,其特征在于:移动机器人在逐步靠近气味源的过程中,当移动机器人在某一矩形区域内自身测得浓度值高于邻近的四个节点所测浓度值或者区域内各点测得的浓度值变化趋势十分缓慢时,则说明气味源就在此区域中,也就确定了气味源位置。
6.一种应用权利要求1至5中任一项所述的基于固定式电子鼻节点与移动机器人协作搜寻气味源方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410263831.8A CN104007763B (zh) | 2014-06-13 | 2014-06-13 | 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410263831.8A CN104007763B (zh) | 2014-06-13 | 2014-06-13 | 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104007763A true CN104007763A (zh) | 2014-08-27 |
CN104007763B CN104007763B (zh) | 2016-05-18 |
Family
ID=51368466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410263831.8A Expired - Fee Related CN104007763B (zh) | 2014-06-13 | 2014-06-13 | 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104007763B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105277593A (zh) * | 2015-11-16 | 2016-01-27 | 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 |
CN105425794A (zh) * | 2015-11-25 | 2016-03-23 | 哈尔滨工业大学 | 一种移动机器人寻找放射源轨迹的方法 |
CN105701578A (zh) * | 2016-03-03 | 2016-06-22 | 重庆大学 | 一种基于电子鼻和红外摄像仪烟羽前端扩散路径预测方法 |
CN105758996A (zh) * | 2016-03-03 | 2016-07-13 | 重庆大学 | 大空间区域内电子鼻的布局方法 |
CN106125737A (zh) * | 2016-08-25 | 2016-11-16 | 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 |
CN106680430A (zh) * | 2016-12-27 | 2017-05-17 | 上海斐讯数据通信技术有限公司 | 利用手机寻找气味来源的方法及基于该方法的手机 |
CN106781295A (zh) * | 2017-03-31 | 2017-05-31 | 思依暄机器人科技(深圳)有限公司 | 一种灾害气体报警方法、装置和灾害报警装置 |
CN107543900A (zh) * | 2017-07-14 | 2018-01-05 | 天津大学 | 基于三维移动传感器节点的气体泄漏监测系统与定位方法 |
CN110244002A (zh) * | 2019-06-11 | 2019-09-17 | 徐州工业职业技术学院 | 一种基于无人机系统的大气污染源追踪方法 |
CN110456001A (zh) * | 2019-08-14 | 2019-11-15 | 中国工商银行股份有限公司 | 检测方法、检测装置和电子设备 |
CN111426801A (zh) * | 2020-05-09 | 2020-07-17 | 上海宁和环境科技发展有限公司 | 电子鼻学习驯化方法及其设备 |
CN114295790A (zh) * | 2022-01-27 | 2022-04-08 | 北京爱克塞科技有限公司 | 一种高分辨差分自寻的智能仿生鼻系统及其工作方法 |
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 (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6826431B2 (en) * | 1999-08-05 | 2004-11-30 | Sandia Corporation | Distributed optimization system |
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 |
US20110063116A1 (en) * | 2009-09-11 | 2011-03-17 | Selex Galileo Limited | Sensing network and method |
CN103278151A (zh) * | 2013-02-28 | 2013-09-04 | 中国矿业大学 | 一种动态烟羽环境下多机器人协作搜索气味源方法 |
-
2014
- 2014-06-13 CN CN201410263831.8A patent/CN104007763B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6826431B2 (en) * | 1999-08-05 | 2004-11-30 | Sandia Corporation | Distributed optimization system |
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 |
US20110063116A1 (en) * | 2009-09-11 | 2011-03-17 | Selex Galileo Limited | Sensing network and method |
CN103278151A (zh) * | 2013-02-28 | 2013-09-04 | 中国矿业大学 | 一种动态烟羽环境下多机器人协作搜索气味源方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105277593A (zh) * | 2015-11-16 | 2016-01-27 | 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 |
CN105425794A (zh) * | 2015-11-25 | 2016-03-23 | 哈尔滨工业大学 | 一种移动机器人寻找放射源轨迹的方法 |
CN105701578A (zh) * | 2016-03-03 | 2016-06-22 | 重庆大学 | 一种基于电子鼻和红外摄像仪烟羽前端扩散路径预测方法 |
CN105758996A (zh) * | 2016-03-03 | 2016-07-13 | 重庆大学 | 大空间区域内电子鼻的布局方法 |
CN106125737A (zh) * | 2016-08-25 | 2016-11-16 | 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 |
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 |
CN106680430A (zh) * | 2016-12-27 | 2017-05-17 | 上海斐讯数据通信技术有限公司 | 利用手机寻找气味来源的方法及基于该方法的手机 |
CN106781295A (zh) * | 2017-03-31 | 2017-05-31 | 思依暄机器人科技(深圳)有限公司 | 一种灾害气体报警方法、装置和灾害报警装置 |
CN107543900A (zh) * | 2017-07-14 | 2018-01-05 | 天津大学 | 基于三维移动传感器节点的气体泄漏监测系统与定位方法 |
CN110244002A (zh) * | 2019-06-11 | 2019-09-17 | 徐州工业职业技术学院 | 一种基于无人机系统的大气污染源追踪方法 |
CN110456001A (zh) * | 2019-08-14 | 2019-11-15 | 中国工商银行股份有限公司 | 检测方法、检测装置和电子设备 |
CN111426801A (zh) * | 2020-05-09 | 2020-07-17 | 上海宁和环境科技发展有限公司 | 电子鼻学习驯化方法及其设备 |
CN114295790A (zh) * | 2022-01-27 | 2022-04-08 | 北京爱克塞科技有限公司 | 一种高分辨差分自寻的智能仿生鼻系统及其工作方法 |
CN114295790B (zh) * | 2022-01-27 | 2023-09-26 | 北京爱克塞科技有限公司 | 一种高分辨差分自寻的智能仿生鼻系统及其工作方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN104007763B (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104007763A (zh) | 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法 | |
CN108955679B (zh) | 一种变电站智能巡检机器人高精度定位方法 | |
CN104898660B (zh) | 一种提高机器人路径规划效率的室内地图构建方法 | |
CN104267728B (zh) | 一种基于可达区域质心矢量的移动机器人避障方法 | |
CN107063264A (zh) | 一种适用于大规模变电站环境的机器人地图创建方法 | |
CN106840169B (zh) | 用于机器人路径规划的改进方法 | |
CN103759732B (zh) | 一种角度信息辅助的集中式多传感器多假设跟踪方法 | |
CN103353758A (zh) | 一种室内机器人导航装置及其导航技术 | |
KR102044354B1 (ko) | 데이터베이스 구축을 위한 자기장 맵을 생성하는 방법 및 장치 | |
CN104200042A (zh) | 一种定位数据轨迹跟踪方法 | |
Gang et al. | PRM path planning optimization algorithm research | |
CN103247062A (zh) | 采集农田关键点测绘成图的方法 | |
CN105022406A (zh) | 基于改进细菌觅食算法的多机器人协作气味源定位方法 | |
Zhao et al. | Searching the diffusive source in an unknown obstructed environment by cognitive strategies with forbidden areas | |
CN104931057A (zh) | 一种机器人的任意位置定位方法、装置及系统 | |
Wu et al. | Peg-in-hole assembly in live-line maintenance based on generative mapping and searching network | |
CN105425830A (zh) | 一种空间机械臂的任务规划方法及系统 | |
Dai | Research on robot positioning and navigation algorithm based on SLAM | |
Pandey et al. | Multi-robot exploration with communication requirement to a moving base station | |
CN105426605A (zh) | 多屏三维航迹及噪声等值线实时显示方法 | |
CN113359714A (zh) | 基于粒子滤波算法的巡检机器人动态路径规划方法及装置 | |
Hyun | A heuristic path planning method for robot working in an indoor environment | |
Kostavelis et al. | Path tracing on polar depth maps for robot navigation | |
CN104794345B (zh) | 航迹跟踪中扁平型多假设关联处理方法 | |
Jiang et al. | Study on improved LANDMARC node localization algorithm |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160518 Termination date: 20170613 |