CN106334283A - 一种灭火救援机器人系统及控制方法 - Google Patents

Abstract

本发明公开了一种灭火救援机器人系统及控制方法，包括上位机，以及分别与上位机进行信息交互的灭火机器人、救援机器人和多轴飞行器，还包括与上位机进行信息交互的墙体传感器单元，所述墙体传感器单元包括火焰传感器、可燃性气体传感器、红外测温传感器和多普勒位移传感器。本系统中灭火机器人、救援机器人和墙体传感器单元负责楼宇内部的环境监测与灭火救援，多轴飞行器负责楼宇外部的图像捕捉，获得数据全面，具有实际应用和可参考性。系统实现机器人间的协同工作，包括机机通讯和人机交互两种工作模式，满足实际火灾现场中的需求，可以大大提高工作效率，在迅速反应从而减少火灾带来的财产损失、救援被困人员上起着不可估量的作用。

Description

一种灭火救援机器人系统及控制方法

技术领域

本发明涉及一种灭火救援机器人系统及控制方法。

背景技术

具有先进技术的世界各国在消防救援上主要使用遥控型机器人，代替搜救人员进入现场执行灭火搜救勘察等任务，遥控型机器人携带各类传感器设备和摄像机探测未知环境信息并传递给救灾人员分析，现实中需要专业人员进行远程操控，以摄像机捕捉的场景进行远程操作不仅难度较大，而且在火灾发生到从消防中心搬运机器人至现场也可能会错过最佳的救援时间。

发明内容

针对上述问题，本发明提供一种灭火救援机器人系统及控制方法，系统实现机器人间的协同工作，满足实际火灾现场中的需求，可以大大提高工作效率，在迅速反应从而减少火灾带来的财产损失、救援被困人员上起着不可估量的作用。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种灭火救援机器人系统，包括上位机，以及分别与上位机进行信息交互的灭火机器人、救援机器人和多轴飞行器，其特征在于，还包括与上位机进行信息交互的墙体传感器单元，所述墙体传感器单元包括火焰传感器、可燃性气体传感器、红外测温传感器和多普勒位移传感器。

优选，所述灭火机器人、救援机器人和墙体传感器单元的数量至少为一个。

优选，将系统的工作区域划分为N个子区域，每个子区域设置有一个中继和至少一个墙体传感器单元，每个中继设置有摄像头和探照灯，每个子区域的墙体传感器单元和中继通过遗传算法布置，每个子区域内的墙体传感器单元经过对应的中继进行中转后与上位机进行信息交互。

一种灭火救援机器人控制方法，其特征在于，包括如下步骤：

步骤1、将系统的工作区域划分为N个子区域，每个子区域设置有一个中继和至少一个墙体传感器单元，中继、墙体传感器单元和上位机之间通过WIFI模块进行信息交互；

步骤2、对每个子区域内的墙体传感器单元和中继进行布置：

201、设子区域内墙体传感器单元和中继的总个数为ψ，其中包括1个中继和ψ-1个墙体传感器单元，将中继编码为1并基于安装者视觉将此中继放置在一个子区域内视觉范围最大的位置，将中继作为参考原点，并以分度值τ建立虚拟空间坐标系；

202、将剩下的ψ-1个墙体传感器单元进行编码，每个墙体传感器单元分配一个三维坐标，确定可行解的个数并随机产生初始群体；

203、按照墙体传感器单元读取的数据作为判断依据，生成该墙体传感器单元的适应度FIT：

FIT＝(λ₁*S+λ₂*C+λ₃/T)I，

其中，S表示墙体传感器单元距离火源的距离，C表示输出模拟量的数值，T表示墙体传感器单元接受到火源信息的时间，λ₁,λ₂,λ₃分别表示对应的权重，I表示判断，如果接收到数据为1，接收不到为0；

204、采用与适应度成正比的概率，来确定在步骤201中随机产生的各个虚拟空间坐标遗传到下一代群体中的数量，采用均匀交叉的方法，使适应度大于设定阈值ζ的随机数替代坐标中的坐标分量，使搜索点在空间内自由移动；

205、根据均匀交叉后得到的坐标，选取最外围边界构成新的区域，建立分度值小于τ的空间坐标系后对步骤204中均匀交叉产生的坐标进行均匀变异，获得局部空间内的最优解；

206、根据步骤205获取的最优解调整在步骤201中设置的中继的所在位置，最终获得子区域中ψ-1个墙体传感器单元和中继的最佳位置；

步骤3、上位机监测墙体传感器单元的数据，当监测到火灾信号后，上位机控制灭火机器人进行灭火、控制救援机器人进行救援，同时控制多轴飞行器执行飞行并捕捉楼宇外部的图像；

步骤4、上位机根据反馈的信息进行综合判断，当火源消灭且无人员被困时，上位机控制灭火机器人、救援机器人和多轴飞行器复位。

优选，所述墙体传感器单元包括火焰传感器、可燃性气体传感器和红外测温传感器和多普勒位移传感器，其中，火焰传感器和可燃性气体传感器用于检测火焰，红外测温传感器和多普勒传感器用于检测被困人员，当大于等于两个墙体传感器单元接收到火焰检测信号后，上位机触发报警，并控制灭火机器人、救援机器人和多轴飞行器进行对应的工作。

本发明的有益效果是：

第一、本系统灭火机器人、救援机器人和墙体传感器单元负责楼宇内部的环境监测与灭火救援，多轴飞行器负责楼宇外部的图像捕捉，获得数据全面，具有实际应用和可参考性。

第二、本系统包括自主工作模式和人机交互模式：自主工作模式实现对火源的监控，能够在火灾发生后快速反应，及时处理，即在火灾后第一时间通知场地工作人员，同时派出灭火机器人和救援机器人分别实现灭火和救援功能，多轴飞行器完成楼宇外部图像的捕捉。系统个体间通过通讯模块实现系统内部通讯，从而实现机器人间的协同工作，提高了灭火和救援的效率。可以大大提高工作效率；人机交互模式能够代替救援人员完成勘测、协助灭火救援等功能，在不同的阶段将本系统的资源合理利用。

附图说明

图1是本发明一种灭火救援机器人系统的结构框图；

图2是本发明改进的粒子群算法的流程图。

具体实施方式

下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

如图1所示，一种灭火救援机器人系统，包括上位机，以及分别与上位机进行信息交互的灭火机器人、救援机器人和多轴飞行器和墙体传感器单元，所述墙体传感器单元包括火焰传感器、可燃性气体传感器、红外测温传感器和多普勒位移传感器。其中灭火机器人、救援机器人和墙体传感器单元负责楼宇内部的环境监测与灭火救援，多轴飞行器负责楼宇外部的图像捕捉。

一般的，灭火机器人和救援机器人存放在储存间，接受上位机的指令唤醒，执行灭火和救援任务，多轴飞行器位于屋顶，接受上位机的指令执行飞行任务，提供图像和执行辅助灭火工作。以上系统组成部分均通过通讯模块与上位机进行通讯，上位机处理从墙体传感器单元、救援机器人、灭火机器人和多轴飞行器接收到的数据，综合处理之后，发布指令控制各个部分执行相应操作。在救援人员介入灭火救援后可以成为整个系统的控制端，为救援人员提供火灾和救援情况等信息。

优选，所述灭火机器人、救援机器人和墙体传感器单元的数量至少为一个。将系统的工作区域划分为N个子区域，分别给予编号，每个子区域设置有一个中继和至少一个墙体传感器单元，每个中继设置有摄像头和探照灯，每个子区域的墙体传感器单元和中继通过遗传算法(GA算法)布置，每个子区域内的墙体传感器单元经过对应的中继进行中转后与上位机进行信息交互。

中继的摄像头将监测区域按照墙体传感器单元划分的区域，进行拍摄视觉的划分，并给予相同的编号，用于监测子工作环境的情况与机器人的工作情况，并通过与存储在相机ROM中的人体轮廓图像(用于判断是否有人)进行对比搜寻被困人员。

相应的，一种灭火救援机器人控制方法，包括如下步骤：

步骤1、将系统的工作区域划分为N个子区域，每个子区域设置有一个中继和至少一个墙体传感器单元，中继、墙体传感器单元和上位机之间通过WIFI模块进行信息交互。

系统的工作环境被划分为N个子工作环境(即子区域)，每个墙体传感器单元设置有多个传感器，安装于需监测的子工作环境中。所述墙体传感器单元通过WIFI模块接入局域网，上位机对其分配不同的IP地址区分不同监测节点。每个子工作环境设置有一个中继，中继采用不同的通讯协议分别与子工作环境中的其他墙体传感器单元、上位机通讯，用于接受本子环境中的其他墙体传感器单元的数据加以分析后上传至上位机。使用中继可加快系统的处理速度，减少个体通讯请求次数，降低等待时间，减少系统出错可能性。

所述墙体传感器单元包括火焰传感器、可燃性气体传感器、红外测温传感器和多普勒位移传感器，其中，火焰传感器和可燃性气体传感器用于检测火焰，红外测温传感器和多普勒传感器用于检测被困人员。为排除人为干扰性，避免误报，最好在大于等于两个墙体传感器单元接收到火焰检测信号后，上位机触发报警，并控制灭火机器人、救援机器人和多轴飞行器进行对应的工作。

步骤2、对每个子区域内的墙体传感器单元和中继进行布置，多个墙体传感器单元在子工作环境中的位置确认选用遗传算法确定，具体如下：

201、设子区域内墙体传感器单元和中继的总个数为ψ，其中包括1个中继和ψ-1个墙体传感器单元，将中继编码为1并基于安装者视觉将此中继放置在一个子区域内视觉范围最大的位置(也即最优位置)，将中继作为参考原点，并以分度值τ建立虚拟空间坐标系；

202、将剩下的ψ-1个墙体传感器单元进行编码，每个墙体传感器单元分配一个三维坐标，确定可行解的个数并随机产生初始群体；

203、按照墙体传感器单元读取的数据作为判断依据，生成该墙体传感器单元的适应度FIT：

FIT＝(λ₁*S+λ₂*C+λ₃/T)I，

其中，S表示墙体传感器单元距离火源的距离，C表示输出模拟量的数值，T表示墙体传感器单元接受到火源信息的时间，λ₁,λ₂,λ₃分别表示对应的权重，数据参考价值越大比例系数越大，I表示判断，如果接收到数据为1，接收不到为0，作为无效位不予处理。

204、采用与适应度成正比的概率，来确定在步骤201中随机产生的各个虚拟空间坐标遗传到下一代群体中的数量，采用均匀交叉的方法，使适应度大于设定阈值ζ的随机数替代坐标中的坐标分量，使搜索点在空间内自由移动，比如，ζ可取值为适应度最大值的0.7倍，使适应度较高的随机数(0.7FIT_MAX～FIT_MAX，FIT_MAX为适应度最大值)替代坐标中的坐标分量。

205、根据均匀交叉后得到的坐标，选取最外围边界构成新的区域，建立分度值小于τ(与步骤201的坐标系的分度值相比)的空间坐标系后对步骤204中均匀交叉产生的坐标进行均匀变异，获得局部空间内的最优解；

206、由于步骤201中设置的中继的所在位置不一定是最优解，所以，根据步骤205获取的最优解调整其位置，最终获得子区域中ψ-1个墙体传感器单元和中继的最佳位置。

步骤3、上位机监测墙体传感器单元的数据，当监测到火灾信号后，上位机控制灭火机器人进行灭火、控制救援机器人进行救援，同时控制多轴飞行器执行飞行并捕捉楼宇外部的图像。

步骤4、上位机根据反馈的信息进行综合判断，当火源消灭且无人员被困时，上位机控制灭火机器人、救援机器人和多轴飞行器复位。

本系统设置有多个可执行自主爬楼的灭火机器人和救援机器人，在已有的机器人到达现场后如果发现火势很大或者发现其他被困人员，则向上位机发送请求信号，上位机可派出其他机器人前往协助。在搜救过程中，灭火机器人和救援机器人调整位置和速度采用改进的粒子群混合算法，结合了BP算法、混沌算法等多重特性，其中能量函数值由机器人自身携带的多种传感器和墙体传感器单元确定，如图2所示，具体如下：

第一步、初始化：设定机器人种群规模M、惯性权重w、学习因子c₁,c₂、粒子群优化算法的最大进化代数T_max-PSO、BP算法的最大迭代次数T_max-BP、混沌映射的迭代次数K、粒子群优化算法能量函数变化次数阈值T_PSO，置当前进化代数t＝1,置能量函数变化次数flag＝0，在可行域内随机产生机器人的速度和位置来表征神经网络的权值，其中可行域可由墙体传感器单元约束。

第二步、评价每个机器人的初始适应度即能量函数值，设置pbest_i为当前粒子的位置，设置gbest为初始化机器人中最好的机器人位置；

第三步、根据下式(1)和(2)

$\left\{\begin{array}{cc}{x}_{i,d}^{k+1}=x_{i,d}^k+x_{i,d}^{k+1}& \left(1\right)\\ v_{i,d}^{k+1}={\mathrm{wv}}_{i,d}^k+c_{1}rand\left(\right)({\mathrm{pbest}}_{i,d}^k-x_{i,d}^k)+c_{2}rand\left(\right)({\mathrm{gbest}}_{i,d}^k-x_{i,d}^k)& \left(2\right)\end{array}\right.$

更新所有机器人的位置和速度，产生一组新的机器人位置和速度，并应用Logistic映射和Tent映射产生K个点的混沌点列，选择其中能量函数最低的点作为该机器人的新位置；

式中，x是种群中机器人所处的位置，k是混沌映射的迭代次数，i是种群中机器人的编号，d表示机器人在d维空间内，v是机器人的实时速度，rand()是介于0～1的随机常数，是标号为i的机器人在d维空间内第k次迭代时的位置，是标号为i的机器人在d维空间内第k+1次迭代时的位置，是标号为i的机器人在d维空间内第k次迭代时的速度，是标号为i的机器人在d维空间内第k+1次迭代时的速度，是标号为i的机器人在第d维空间内第K次迭代的当前粒子(实际上粒子是等价于机器人的)位置，是标号为i的机器人在第d维空间内第K次迭代的最好的机器人位置。

第四步、判断每个机器人的适应度值，如果第i个机器人的能量函数值比更新前的能量函数值低，则更新pbest_i的值及对应的位置；如果所有新的机器人位置中最好的适应度优于gbest，则更新gbest和对应的位置，且flag＝0；否则，flag的值加1；

第五步、如果flag>T_PSO，则使用BP算法在gbest附近(可自行设置搜索范围)进行局部细致搜索：如果搜索结果比gbest好，则用此搜索结果代替pbest_i并更新对应的位置；否则，用此搜索结果代替pbest_i中性能最差的个体，flag＝0，t的值加1，如果t>T_max-PSO，转到第六步，否则转到第三步；

如果flag<T_PSO,t的值加1；如果t>T_max-PSO，转到第六步，否则转到第三步；

第六步，结束寻优，存储结果。经过一定训练，所有救援机器人和灭火机器人可以在可行域内高效寻找火源和被困人员。

救援机器人和灭火机器人的视觉感知采用两个网络摄像头，用于在一个双摄像头的视觉系统中实现图像特征选择，并跟踪所选择的特征和计算所选择特征的3D距离。根据从每个摄像头获得的实时视频采集的图像帧中选择合适的图像来进行特征识别。假设每个机器人有左、右两个摄像头，首先，在左摄像头采集的图像中执行一个特征识别算法(比如人脸识别算法)来确定合适的矩形图像块或合适作为特征追踪的窗口，然后在右摄像头采集的图像中进行特征跟踪，并且通过在一幅图像帧中特征之间的距离最小来选择R个特征窗口。对于一个二维图像函数f(x,y)，其梯度是一个矢量，且每个窗口G的梯度可沿着x和y方向进行计算：

$G=\left[\begin{array}{cc}{g}_{xx}& g_{xy}\\ g_{xy}& g_{yy}\end{array}\right]=\left[\begin{array}{cc}{g}_x^2& g_{xy}\\ g_{xy}& g_y^2\end{array}\right]$

其中，g_xx、g_xy、g_yy、分别为G的梯度对X二次求导、对X和Y分别求导、对X一次求导的平方、对Y二次求导、对Y一次求导的平方。根据计算矩阵G的特征根x₁,x₂来评价所选窗口是否适合作为一个特征窗口，若min(x₁,x₂)＞X，则可以作为特征窗口，其中X是一个预设阈值。接着通过跟踪一帧帧的特征来计算出连续两帧图像中窗口间图像亮度差的二次平方和最小的一个特征窗口的中心位移，利用两个窗口图像亮度值之间的牛顿——拉夫逊算法(N-R法)迭代搜索一帧新的图像中新的特征窗口中心点位置，最终根据有关所用摄像头和云台几何形状的数据，可得到所跟踪路标的3D距离，并通过两个摄像头的视线在场景中的目标点相交获得立体视觉的深度信息。

一旦左右两个摄像头图像中识别并跟踪到新路标或图像块，就可利用基于EKF(ExtendedKalmanFilter，即扩展卡尔曼滤波器)的SLAM算法中新路标的初始化步骤在地图中进行初始化。左右两个摄像头图像中图像块的识别与跟踪将构成基于EKF的SLAM算法中的新的观察步骤。在该步骤当中，采用卡尔曼滤波的“预测”步骤来计算路标点的估计位置，最后通过执行卡尔曼滤波算法中的“观察和更新”步骤来进一步修正。

救援机器人和灭火机器人均采用两个网络摄像头且运动及路径规划的步骤如下：

第一步、根据粒子群优化算法指定机器人导航所需的目标点和机器人的初始位姿；

第二步、机器人运动一段距离ε，并执行EKF算法的预测步骤；

第三步、在水平角0°处从左右两个摄像头的连续视频序列中采集图像，并进行特性识别、特征跟踪和计算特征点与机器人之间的距离；

第四步、在水平角+θ°处，重复执行第三步；

第五步、在水平角﹣θ°处，重复执行第三步；

第六步、对第三、四、五步所观测到的新特征，在地图中进行初始化；

第七步、对第三、四、五步观测到的新特征，进行EKF算法的观察与更新步骤，并修正已经构建的地图；

第八步、执行第二至七步，直到机器人到达最终目标点；

第九步、保存机器人所构建以及更新的最终地图，并共享给其它机器人。

上位机根据整体的火灾势场图控制多轴飞行器的飞行，在火灾发生后多轴飞行器按照地面站设置的GPS航线完成定点起降和航线飞行，并在火势较大的地方进行盘旋，多轴飞行器还通过摄像头获取火灾图像并传输至上位机。多轴飞行器底部可以设置有弹射装置，可用于向楼内发射干粉球或除烟球。

下面具体阐述系统的两种工作模式的工作过程。

系统执行自主工作模式：

在墙体传感器单元检测到火源信息后，上位机会向灭火机器人发指令，灭火机器人计算路径后到达指定楼层，以最短时间到达指定地点勘察具体情况并实施灭火及数据采集，储水装置内的水用尽后前往地图预设点进行水源的补充。同时，墙体传感器单元也会检测着火点的火情，如果灭火机器人顺利灭火，灭火机器人复位，补充电能；如果灭火机器人和墙体传感器单元检测到火势已超出自身能力范围，则上位机马上通过119报警，并反馈具体地点和火势，灭火机器人继续灭火，上位机派出其他灭火机器人前往协助。当火势过大且墙体传感器单元检测到有被困人员，墙体传感器单元会立即向上位机发送位置信息，上位机在处理之后会立即向救援机器人发送指令，救援机器人到达指定楼层后前往指定地点实施救援。

其中，救援机器人设置有机械臂和干冰喷射装置，在机器人尾部设置有防毒面具和快速供氧装置，在救援机器人到达被困人员处判断被困人员所处状态(救援机器人可以通过语音交互判断被困人员所处状态，比如，若无应答，则判断被困人员晕倒)，若被困人员晕倒则机械手将防毒面具放置到被困人员面部，救援机器人喷射干冰保护机器人本体和被困人员，向上位机标注所处位置，若被困人员具有行走能力则救援机器人引导被困人员在浓烟中撤离。

在救援完成后，救援机器人根据墙体传感器单元得到的火势图(墙体传感器单元对接受到的模拟值进行加权运算和卡尔曼滤波后得到以子区域为基本单位的火灾势场图和被困人员分布图后，以子区域坐标和加权系数以数组的形式发送至上位机，上位机得到不同楼层不同区域后的参数后生成整体的色彩饱和度正比于火势的HSV图像)实现自动探索，且对数值较高的地方执行优先搜索。

救援机器人还设置有高强度照明灯和语音模块，在移动的同时检测被困人员，若检测到则救援机器人标注所在位置向上位机发送协助请求。此时若火源强度达到一定的阀值，上位机根据整体的火灾势场图控制多轴飞行器的飞行，在火灾发生后多轴飞行器按照地面站设置的GPS航线完成定点起降和航线飞行，并在火势较大的地方进行盘旋，多轴飞行器还通过摄像头获取火灾图像并传输至上位机。

系统执行人机交互模式：

消防人员到达现场开始人工作业后，通过控制上位机实现对系统的控制。墙体传感器单元继续监测并向上位机传输数据，灭火机器人、救援机器人、多轴飞行器均可以进入人工操作状态。灭火机器人储水装置设置有管道连接口，在人机交互模式中连接供水管道后可用作水枪保持长时间喷水。救援机器人在人机交互模式中，上位机可控制机器人行进路线，可使用机械臂实现清障功能，可通过摄像头获得以救援机器人第一视角的实时视频。多轴飞行器在人机交互模式中可根据地面站和遥控器对多轴飞行器实行控制，执行飞行任务。多轴飞行器底部设置有弹射装置，可用于向楼内发射干粉球或除烟球。系统个体可实现自主工作模式和人机交互模式的切换，并可执行复位操作。

高空图像捕捉是当前消防领域的盲区，对于高楼的灭火救援，通过多轴飞行器搭载的图像捕捉模组和热成像模组能够更好地向消防员提供救援信息。通过地面站的操作实现对多轴飞行器的一键控制，可以降低操作难度，扩大适应度。

本发明的有益效果是：

第一、本系统灭火机器人、救援机器人和墙体传感器单元负责楼宇内部的环境监测与灭火救援，多轴飞行器负责楼宇外部的图像捕捉，获得数据全面，具有实际应用和可参考性。

第二、本系统包括自主工作模式和人机交互模式：自主工作模式实现对火源的监控，能够在火灾发生后快速反应，及时处理，即在火灾后第一时间通知场地工作人员，同时派出灭火机器人和救援机器人分别实现灭火和救援功能，多轴飞行器完成楼宇外部图像的捕捉。系统个体间通过通讯模块实现系统内部通讯，从而实现机器人间的协同工作，提高了灭火和救援的效率。可以大大提高工作效率；人机交互模式能够代替救援人员完成勘测、协助灭火救援等功能，在不同的阶段将本系统的资源合理利用。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或者等效流程变换，或者直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种灭火救援机器人系统，包括上位机，以及分别与上位机进行信息交互的灭火机器人、救援机器人和多轴飞行器，其特征在于，还包括与上位机进行信息交互的墙体传感器单元，所述墙体传感器单元包括火焰传感器、可燃性气体传感器、红外测温传感器和多普勒位移传感器。

2.根据权利要求1所述的一种灭火救援机器人系统，其特征在于，所述灭火机器人、救援机器人和墙体传感器单元的数量至少为一个。

3.根据权利要求2所述的一种灭火救援机器人系统，其特征在于，将系统的工作区域划分为N个子区域，每个子区域设置有一个中继和至少一个墙体传感器单元，每个中继设置有摄像头和探照灯，每个子区域的墙体传感器单元和中继通过遗传算法布置，每个子区域内的墙体传感器单元经过对应的中继进行中转后与上位机进行信息交互。

4.一种灭火救援机器人控制方法，其特征在于，包括如下步骤：

步骤1、将系统的工作区域划分为N个子区域，每个子区域设置有一个中继和至少一个墙体传感器单元，中继、墙体传感器单元和上位机之间通过WIFI模块进行信息交互；

步骤2、对每个子区域内的墙体传感器单元和中继进行布置：

201、设子区域内墙体传感器单元和中继的总个数为ψ，其中包括1个中继和ψ-1个墙体传感器单元，将中继编码为1并基于安装者视觉将此中继放置在一个子区域内视觉范围最大的位置，将中继作为参考原点，并以分度值τ建立虚拟空间坐标系；

202、将剩下的ψ-1个墙体传感器单元进行编码，每个墙体传感器单元分配一个三维坐标，确定可行解的个数并随机产生初始群体；

203、按照墙体传感器单元读取的数据作为判断依据，生成该墙体传感器单元的适应度FIT：

FIT＝(λ₁*S+λ₂*C+λ₃/T)I，

其中，S表示墙体传感器单元距离火源的距离，C表示输出模拟量的数值，T表示墙体传感器单元接受到火源信息的时间，λ₁,λ₂,λ₃分别表示对应的权重，I表示判断，如果接收到数据为1，接收不到为0；

204、采用与适应度成正比的概率，来确定在步骤201中随机产生的各个虚拟空间坐标遗传到下一代群体中的数量，采用均匀交叉的方法，使适应度大于设定阈值ζ的随机数替代坐标中的坐标分量，使搜索点在空间内自由移动；

205、根据均匀交叉后得到的坐标，选取最外围边界构成新的区域，建立分度值小于τ的空间坐标系后对步骤204中均匀交叉产生的坐标进行均匀变异，获得局部空间内的最优解；

206、根据步骤205获取的最优解调整在步骤201中设置的中继的所在位置，最终获得子区域中ψ-1个墙体传感器单元和中继的最佳位置；

步骤3、上位机监测墙体传感器单元的数据，当监测到火灾信号后，上位机控制灭火机器人进行灭火、控制救援机器人进行救援，同时控制多轴飞行器执行飞行并捕捉楼宇外部的图像；

步骤4、上位机根据反馈的信息进行综合判断，当火源消灭且无人员被困时，上位机控制灭火机器人、救援机器人和多轴飞行器复位。

5.根据权利要求4所述的一种灭火救援机器人控制方法，其特征在于，所述墙体传感器单元包括火焰传感器、可燃性气体传感器和红外测温传感器和多普勒位移传感器，其中，火焰传感器和可燃性气体传感器用于检测火焰，红外测温传感器和多普勒传感器用于检测被困人员，当大于等于两个墙体传感器单元接收到火焰检测信号后，上位机触发报警，并控制灭火机器人、救援机器人和多轴飞行器进行对应的工作。

6.根据权利要求4所述的一种灭火救援机器人控制方法，其特征在于，在搜救过程中，灭火机器人和救援机器人调整位置和速度的步骤如下：

第一步、初始化：设定机器人种群规模M、惯性权重w、学习因子c₁,c₂、粒子群优化算法的最大进化代数T_max-PSO、BP算法的最大迭代次数T_max-BP、混沌映射的迭代次数K、粒子群优化算法能量函数变化次数阈值T_PSO，置当前进化代数t＝1,置能量函数变化次数flag＝0，在可行域内随机产生机器人的速度和位置来表征神经网络的权值；

第二步、评价每个机器人的初始适应度即能量函数值，设置pbest_i为当前粒子的位置，设置gbest为初始化机器人中最好的机器人位置；

第三步、根据下式

$\left\{\begin{array}{c}{x}_{i,d}^{k+1}=x_{i,d}^k+x_{i,d}^{k+1}\\ v_{i,d}^{k+1}={\mathrm{wv}}_{i,d}^k+c_{1}rand\left(\right)\left({\mathrm{pbest}}_{i,d}^k-x_{i,d}^k\right)+c_{2}rand\left(\right)\left({\mathrm{gbest}}_{i,d}^k-x_{i,d}^k\right)\end{array}\right.$

更新所有机器人的位置和速度，产生一组新的机器人位置和速度，并应用Logistic映射和Tent映射产生K个点的混沌点列，选择其中能量函数最低的点作为该机器人的新位置；

式中，x是种群中机器人所处的位置，k是混沌映射的迭代次数，i是种群中机器人的编号，d表示机器人在d维空间内，v是机器人的实时速度，rand()是介于0～1的随机常数，是标号为i的机器人在d维空间内第k次迭代时的位置，是标号为i的机器人在d维空间内第k+1次迭代时的位置，是标号为i的机器人在d维空间内第k次迭代时的速度，是标号为i的机器人在d维空间内第k+1次迭代时的速度，是标号为i的机器人在第d维空间内第K次迭代的当前粒子位置，是标号为i的机器人在第d维空间内第K次迭代的最好的机器人位置；

第四步、判断每个机器人的适应度值，如果第i个机器人的能量函数值比更新前的能量函数值低，则更新pbest_i的值及对应的位置；如果所有新的机器人位置中最好的适应度优于gbest，则更新gbest和对应的位置，且flag＝0；否则，flag的值加1；

第五步、如果flag>T_PSO，则使用BP算法在设置的gbest附近进行局部细致搜索：如果搜索结果比gbest好，则用此搜索结果代替pbest_i并更新对应的位置；否则，用此搜索结果代替pbest_i中性能最差的个体，flag＝0，t的值加1，如果t>T_max-PSO，转到第六步，否则转到第三步；

如果flag<T_PSO,t的值加1；如果t>T_max-PSO，转到第六步，否则转到第三步；

第六步，结束寻优，存储结果。

7.根据权利要求6所述的一种灭火救援机器人控制方法，其特征在于，救援机器人和灭火机器人均采用两个网络摄像头且运动及路径规划的步骤如下：

第一步、根据粒子群优化算法指定机器人导航所需的目标点和机器人的初始位姿；

第二步、机器人运动一段距离ε，并执行EKF算法的预测步骤；

第三步、在水平角0°处从左右两个摄像头的连续视频序列中采集图像，并进行特性识别、特征跟踪和计算特征点与机器人之间的距离；

第四步、在水平角+θ°处，重复执行第三步；

第五步、在水平角﹣θ°处，重复执行第三步；

第六步、对第三、四、五步所观测到的新特征，在地图中进行初始化；

第七步、对第三、四、五步观测到的新特征，进行EKF算法的观察与更新步骤，并修正已经构建的地图；

第八步、执行第二至七步，直到机器人到达最终目标点；

第九步、保存机器人所构建以及更新的最终地图，并共享给其它机器人。