CN105717257B - 一种气体源无线定位方法 - Google Patents
一种气体源无线定位方法 Download PDFInfo
- Publication number
- CN105717257B CN105717257B CN201610120754.XA CN201610120754A CN105717257B CN 105717257 B CN105717257 B CN 105717257B CN 201610120754 A CN201610120754 A CN 201610120754A CN 105717257 B CN105717257 B CN 105717257B
- Authority
- CN
- China
- Prior art keywords
- gas source
- gas
- ellipsoid
- value
- calculated
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
- G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种气体源无线定位方法,包括以下步骤:通过无线传感器网络检测到的气体浓度信息,使用最小二乘法对气体源预定位;根据最小二乘法得出的预定位位置反算扩展集员滤波算法的初始可行集;把预定位位置和初始可行集代入扩展集员滤波算法,循环迭代,得到气体源定位结果。本发明中采用最小二乘法预定位气体源位置,并反算出扩展集员滤波算法的初始可行集,保证真实位置包含在初始可行集中,确保算法的数值稳定性;用扩展集员滤波算法对气体源精确定位,通过循环迭代,可行集越来越小,并且真实位置始终包含在可行集中,从而达到100%的可信度。
Description
技术领域
本发明属于气体源无线定位领域,涉及一种气体源无线定位方法。
背景技术
随着工业化进程的加快,气体的使用也变的越来越普遍。由于意外的气体泄漏通常是不可预测的,气体排放也没有固定通道,事故发生的时间、地点、环境也具有很大的不确定性。而且天然气和石油气等烷烃类易燃易爆气体一旦发生泄漏,极易发生火灾、爆炸等安全事故。所以气体泄漏通常会引起严重的环境污染和安全问题,给国家和人民财产造成重大损失。
但是从1953年至今,一次性损失超过一亿美元的化学品泄漏事件已经超过了千余起。此类事件的频繁发生说明了在有毒有害气体防护、检测等方面仍存在问题。解决这一问题的有效途径是快速确定泄漏气体源的位置。只要能够知道气体源的位置,才能有效评估泄漏气体在空间中的分布状态和扩散趋势,及时采取措施,避免有毒有害气体的进一步扩散,减少生命和经济损失。因此展开气体泄漏源定位的应用基础研究是非常有必要的,这不仅能提供预防此类事故所需的预警和应急处理机制,而且对于保护人民财产和生命安全有重要意义。
气体源定位发展到今天,算法得到了很大的发展。目前主要有基于机器人的主动嗅觉和基于传感器网络的非主动嗅觉这两种定位方式。主动嗅觉是将气体传感器安装在机器人上,通过跟踪烟羽来定位气体源,定位过程分为:烟羽发现、烟羽跟踪和气体源确认这三个部分。非主动嗅觉又分为基于传感器动态响应过程和基于气体浓度这两种定位方式。基于动态响应过程的定位方式比较简单,但是气体扩散过程易受风速、湍流的影响,所以其定位精度往往不高。基于气体浓度的定位主要依赖于简化的气体扩散模型,仅仅依靠测量到的浓度信息,避免了测距时带来的误差。主要有扩展卡尔曼滤波、无迹卡尔曼滤波、极大似然法、粒子滤波、贝叶斯估计等方法。
然而,上述提到的方法都是在随机框架下的点估计问题,必然存在定位误差,并且要知道建模误差和测量噪声的统计特性,否则往往不能得到最优定位值。这类定位方法具有以下的缺陷:
1)建模过程带来的误差的先验知识不能获取,用相关的概率密度函数描述建模误差会存在一定程度的偏差;
2)传感器测量时的噪声并非本质上式随机的,很难验证噪声的统计特性是否与所假设的情况一致;
3)以上定位方法都是点估计问题,定位结果是一个确定的点,这就必然会存在定位误差,定位误差的大小与算法起始点的选取息息相关。
为了克服以上的缺陷,需要一种既能快速准确的定位气体源,又能避免风速、噪声分布等因素影响其定位精度的方法。
发明内容
为解决气体源定位方法存在的上述问题,本发明的目的在于提供一种基于非线性最小二乘法和扩展集员滤波的气体源无线定位方法。首先通过传感器检测到的浓度信息,结合自身传感器所在的位置对气体源预定位;通过预定位值反算初始椭球的大小;把预定位值和初始椭球代入扩展集员滤波算法中,对气体源精确定位。该方法在气体源定位领域的可信度明显优于传统气体源定位方法。
为达到上述目的,本发明提供如下技术方案:
一种气体源无线定位方法,包括以下步骤:
步骤一:在检测区域布设无线传感器,检测气体信息;
步骤二:通过传感器检测到的信息,采用非线性最小二乘法对气体源预定位,得到气体源的大致位置;
步骤三:通过采用的气体扩散模型,得出其状态空间表达式;
步骤四:假设气体源即为非线性最小二乘法得到的预定位值,利用相应的气体扩散模型算出浓度。结合算出的浓度和传感器实际测量到的浓度反算出初始椭球的大小;
步骤五:把预定位值和初始椭球代入扩展集员滤波算法中,对气体源精确定位,得到定位结果。
本发明的有益技术效果为:本发明采用非线性最小二乘法预定位气体源,不需要知道模型误差和测量噪声的先验知识,提高预定位的精确性;通过反算初始椭球,保证真实气体源位置包含在可行椭球集中,避免初始椭球集合不包含真实气体源位置而引起定位不准确;采用扩展集员滤波算法精确定位气体源,尽量减少可行椭球集的大小并始终保证真实位置在可行椭球集中,用椭球集合代替确定的点表征最终的定位结果,从而达到100%的定位可信度,提高定位精度。
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为本发明所述气体源定位方法的结构图
图2为非线性最小二乘法预定位流程图
图3为结合预定位值和非线性最小二乘法计算初始椭球集合流程图
图4为扩展集员滤波算法定位流程图
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。
发明中采用非线性最小二乘法预定位气体源,得到气体源的大致位置;结合预定位值和非线性最小二乘法反算初始椭球的大小,保证初始椭球集包含真实位置,有效地避免了初始椭球集不包含真实位置而引起的定位不准确问题,提高了定位的快速性;通过扩展集员滤波算法定位气体源,用集合表征最终的定位结果,真实气体源始终包含在椭球集合中,达到100%的可信度。
图1为本发明所述气体源定位方法的结构图。如图所示,该定位算法共分为五个步骤。步骤一:在检测区域布设无线传感器,检测气体信息;步骤二:通过传感器检测到的信息,采用非线性最小二乘法对气体源预定位,得到气体源的预定位值;步骤三:通过采用的气体扩散模型,得出其状态空间表达式;步骤四:假设气体源即为非线性最小二乘法得到的预定位值,利用相应的气体扩散模型算出浓度。结合算出的浓度和传感器实际测量到的浓度反算出初始椭球的大小;步骤五:把预定位值和初始椭球代入扩展集员滤波算法中,对气体源精确定位,得到定位结果。
图2为非线性最小二乘法的流程图。x1为起始点、ξ为制定的精度、计算 为其代价函数,其中Cl为第l个传感器检测到的浓度,为第l个传感器的位置,m为传感器数量。当定位误差小于初始化的精度ξ时,循环结束,输出此时的预定位值
步骤三把相应的气体扩散模型转换为状态空间表达式,在此,我们选用气体湍流扩散模型:
其中,q(m3/s)为气体扩散速率、K为湍流扩散系数、U(m/s)为风速、θ为风速和x轴的夹角、(x,y)为当前气体源的位置、为第l个传感器位置。状态空间描述如下所示:
图3为通过预定位值和非线性最小二乘法反算初始椭球流程图。假设为预定位值,初始椭球必须包含气体源的真实位置x0且越小越好。当传感器个数为m时,预定位值和真实位置x0的误差为E=[E1,…,Em]T,其中假设真实位置在初始椭球的边界上,则测量范围为其中输出集合就是
通过以上的计算,就能得出初始椭球的包络矩阵。
图4为扩展集员滤波用于气体源精确定位的流程图。与集员滤波算法相比,扩展集员估计算法针对非线性系统,用泰勒公式把非线性状态方程线性化展开,将线性化余项和噪声相结合构成新的伪噪声,并采用区间算法,得到线性化余项可能存在的区域为正交多胞形盒子,进而得到更新椭球,最终得到估计椭球。
扩展集员滤波算法主要分为时间更新和测量更新两个部分。
1.时间更新
1)通过椭球Pk-1|k-1的元素计算状态的范围:
2)通过区间分析的方法计算Lagrange余项的最大值。状态的预测值由下式计算出:
3)包含状态边界的椭球的计算如下:
这里
表示变量的半径,满足条件
4)计算椭球包络矩阵,Ii表示相同维度的单位向量的第i个列向量,pi为通过最小化椭球参数能到的参数。
2.测量更新
1)状态边界通过矩阵Pk|k-1的元素计算得到:
2)通过区间分析的方法计算Lagrange余项的最大值,通过观测方程计算状态的预测值。偏微分方程计算如下:
3)在进行Taylor展开,观测方程即为:
其中:
这里
4)包含状态边界的椭球的计算如下:
这里
上式满足这里有m个超平面,对它们取交集组成一个集合:
在方程(18)中:
在迭代过程中,我们计算包含在交集(Pk|k-1∩Sk)中椭球Pk的最小体积。
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 (4)
1.一种气体源无线定位方法,首先通过传感器检测到的浓度信息,结合自身传感器所在的位置对气体源预定位;基于预定位值反算初始椭球的大小;把预定位值和初始椭球代入扩展集员滤波算法中,对气体源精确定位;具体包括以下步骤:
步骤一:在检测区域布设无线传感器,检测气体浓度信息;
步骤二:通过传感器检测到的浓度信息,采用非线性最小二乘法对气体源预定位,得到气体源的预定位值;
步骤三:基于采用的气体扩散模型,得出其气体源定位状态空间表达式;
步骤四:基于非线性最小二乘法得到的预定位值,利用相应的气体扩散模型算出估计浓度值,通过估计浓度值和检测到的真实浓度值之间的误差,结合扩展集员滤波算法,反算出气体源位置初始椭球的大小;
步骤五:把步骤二得到预定位值和步骤四得到的初始椭球代入扩展集员滤波算法中,利用扩展集员滤波算法对气体源精确定位,从而得到气体源精确位置,得到最终的状态椭球集。
2.根据权利要求1所述的一种气体源无线定位方法,其特征在于:步骤二具体步骤为:
1)传感器检测到气体浓度信息,确定气体扩散模型f(x);
2)初始化非线性最小二乘法的起始点x1、预定位精度ξ;
3)计算雅可比矩阵代价函数为Cl为第l个传感器检测到的气体浓度,m为传感器个数,为第l个传感器的位置,下标k表示迭代计算的步数;
4)当定位误差小于初始化的精度ξ时,循环结束,输出此时的预定位值
3.根据权利要求1所述的一种气体源无线定位方法,其特征在于:步骤四具体步骤为:
1)把非线性最小二乘法得到的预定位值看成气体源;
2)通过气体扩散模型g(x),计算出基于预定位值的浓度
3)预定位值和真实位置x0的误差可由E=[E1,…,Em]T表示,其中,m为传感器个数, 表示第l个传感器的估计浓度值,yl表示第l个传感器的真实浓度值;
4)假设真实位置在初始椭球的边界上,则测量范围为其中
5)基于集合反算初始位置椭球。
4.根据权利要求1所述的一种气体源无线定位方法,其特征在于:步骤五包括时间更新和测量更新两个过程,具体步骤为:
首先将气体湍流扩散方程转换为状态空间形式:
(1)时间更新
1)通过椭球Pk-1|k-1的元素计算状态的范围:
2)通过区间分析的方法计算Lagrange余项的最大值,状态的预测值由下式计算出:
3)包含状态边界的椭球的计算如下:
其中
表示变量的半径,满足条件
4)计算椭球包络矩阵,Ii表示相同维度的单位向量的第i个列向量,pi为通过最小化椭球参数能到的参数;
(2)测量更新
1)状态边界通过矩阵Pk|k-1的元素计算得到:
2)通过区间分析的方法计算Lagrange余项的最大值,通过观测方程计算状态的预测值,偏微分方程计算如下:
3)在进行Taylor展开,观测方程即为:
其中:
4)包含状态边界的椭球的计算如下:
其中
满足m个超平面,对m个超平面取交集组成一个集合:
上式中:
在迭代过程中,计算包含在交集(Pk|k-1∩Sk)中椭球Pk的最小体积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610120754.XA CN105717257B (zh) | 2016-03-03 | 2016-03-03 | 一种气体源无线定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610120754.XA CN105717257B (zh) | 2016-03-03 | 2016-03-03 | 一种气体源无线定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105717257A CN105717257A (zh) | 2016-06-29 |
CN105717257B true CN105717257B (zh) | 2018-07-06 |
Family
ID=56156416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610120754.XA Expired - Fee Related CN105717257B (zh) | 2016-03-03 | 2016-03-03 | 一种气体源无线定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105717257B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202679A (zh) * | 2016-07-04 | 2016-12-07 | 重庆大学 | 一种基于无人机系统的气体泄漏扩散过程的预测方法 |
CN106197859B (zh) * | 2016-07-04 | 2020-04-07 | 重庆大学 | 一种考虑有限空间约束的气体源定位方法 |
CN108122051B (zh) * | 2017-12-22 | 2021-05-11 | 南京市锅炉压力容器检验研究院 | 一种基于无人机探测的危险介质泄漏过程实时动态预测方法 |
CN111427007B (zh) * | 2020-04-24 | 2021-03-19 | 山东科技大学 | 基于不完全量测下集员滤波的矿井人员安全状态估计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065198A (zh) * | 2012-12-17 | 2013-04-24 | 天津市环境保护科学研究院 | 大气恶臭污染精细源解析方法 |
CN104007240B (zh) * | 2014-06-13 | 2015-08-26 | 重庆大学 | 一种基于双目识别与电子鼻网络气体检测的融合定位技术 |
CN104834017A (zh) * | 2015-04-30 | 2015-08-12 | 华南理工大学 | 一种有毒有害气体泄漏扩散事故源定位方法 |
-
2016
- 2016-03-03 CN CN201610120754.XA patent/CN105717257B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN105717257A (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105717257B (zh) | 一种气体源无线定位方法 | |
Liu et al. | Fast leak detection and location of gas pipelines based on an adaptive particle filter | |
Keramat et al. | Objective functions for transient-based pipeline leakage detection in a noisy environment: least square and matched-filter | |
CN108662442B (zh) | 管道泄漏的定位方法及装置 | |
Zhao et al. | Detecting and estimating biochemical dispersion of a moving source in a semi-infinite medium | |
CN107543900B (zh) | 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 | |
CN107066806A (zh) | 航迹关联方法及装置 | |
Gruenbacher et al. | Gotube: Scalable statistical verification of continuous-depth models | |
Feng et al. | An experimental and numerical study on a multi-robot source localization method independent of airflow information in dynamic indoor environments | |
Jia et al. | Line source estimation of environmental pollutants using super-Gaussian geometry model and bayesian inference | |
CN106197859B (zh) | 一种考虑有限空间约束的气体源定位方法 | |
Zeng et al. | Probability-based inverse characterization of the instantaneous pollutant source within a ventilation system | |
Jiang et al. | A comparative experimental study of two multi-robot olfaction methods: towards locating time-varying indoor pollutant sources | |
Li et al. | Liquid pipeline leakage detection based on moving windows LS-SVM algorithm | |
Hu et al. | Inverse tracking of an airborne pollutant source location in a residential apartment by joint simulation of CFD and a multizone model | |
Wu et al. | Motion parameter capturing of multiple mobile targets in robotic sensor networks | |
Li et al. | An improved observation model for Monte-Carlo localization integrated with reliable reflector prediction | |
Piazza et al. | Optimal positioning of water quality sensors in water distribution networks: Comparison of numerical and experimental results | |
Yang et al. | A study on water pollution source localization in sensor networks | |
Duan et al. | Improvement of LANDMARC indoor positioning algorithm | |
CN108980631A (zh) | 一种基于在线仿真的负压波法管道泄漏检测系统 | |
Kumar et al. | Evaluation of node-metastasis in sparse underwater acoustic sensor networks for localization under acoustically stratified malicious node conditions | |
Gao et al. | Detection and tracking of odor source in sensor networks using reasoning system | |
Hu et al. | Negative pressure wave-based method for abnormal signal location in energy transportation system | |
Li | Research on TDOA location error elimination of hazardous chemicals storage based on improved wavelet |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180706 Termination date: 20190303 |
|
CF01 | Termination of patent right due to non-payment of annual fee |