CN108828140A - 一种基于粒子群算法的多无人机协同恶臭溯源方法 - Google Patents

Abstract

本发明公开一种基于粒子群算法的多无人机协同恶臭溯源方法，包括采用人工嗅觉法设定疑似恶臭污染源区域，根据无人机数量将疑似恶臭污染源区域划分为多个子区域，并使用风向测量仪测量风向，以便无人机迎风搜索，提高搜索效率减少粒子群数量，降低成本。同时各无人机通过无线传输模块向PC端地面中心传输信息从而进行信息交换。PC端地面中心基于粒子群算法不断更新各无人机的位置，并将新的位置信息发送至各无人机，各无人机通过不断更新位置信息，逐渐逼近污染源，当各无人机在某个位置不停的徘徊，形成半径为1m左右的圆，且各无人机气体传感器浓度高于某个阈值，则判断为找到恶臭污染源。

Description

一种基于粒子群算法的多无人机协同恶臭溯源方法

技术领域

本发明涉及一种多无人机协同恶臭溯源方法，属于多旋翼无人机与大气环境监测领域。

背景技术

恶臭是指特别难闻的臭味，近年来随着工业化的快速发展，由于企业废气废水的大量排放过程中很少考虑到对臭味气体的处理，恶臭污染会给人类的身体健康与环境保护带来严重的危害。例如1961年日本川崎市曾连续发生三次恶臭公害事件，都是由一家企业排放一种含硫醇的废油引起的。恶臭扩散20多公里造成大部分人当场熏倒、恶心、呕吐、眼睛疼痛等等。因此恶臭污染源定位对人类安全与环境保护有着非常重要的意义。

目前，恶臭污染源定位的方法有移动监测站和网格化自动检测法。然而移动监测站定位法速度慢，成本高；网格自动检测法覆盖面积小，定位准确性不高。近年来，很多学者尝试着利用单个或者多个地面机器人进行气味污染源搜索，然而机器人受地面复杂环境的影响，定位速度慢、覆盖范围小,目前局限于实验阶段。也有学者在单个无人机各个方向分别安装气体传感器，采用浓度梯度算法进行污染源定位，然而受旋翼无人机螺旋桨搅动空气的原因导致各个方向的传感器检测数据存在很大的误差，容易陷入局部最优，且单个无人机耗时长。

发明内容

本发明要解决的技术问题是，提供一种基于粒子群算法的多无人机协同恶臭溯源方法。该方法具有定位精度高、速度快、且能够避免陷入局部最优。

为了实现上述目的，本发明所采用的技术方案为：基于粒子群算法的多无人机协同恶臭溯源方法包括：多台旋翼无人机、气体传感器模块、无线传输模块、避障模块、PC端地面中心、风向测量仪；所述气体传感器模块检测恶臭污染气体类型和浓度；所述无线传输模块用来实现多台无人机与地面中心进行信息的交换；所述避障模块用来无人机飞行过程避开障碍物；所述pc端地面中心用来接收各个无人机的浓度、位置、速度等信息以及计算更新无人机的位置；所述风向测量仪为无人机提供风向，以便无人机迎风搜索从而提高搜索效率，减少粒子群数量降低成本。包括以下步骤：

步骤1：采用人工嗅觉法设定疑似恶臭污染源区域，疑似恶臭污染源区域设定通常以石油化工厂、垃圾处理厂、污水处理厂、饲料厂和肥料加工厂、皮革厂等分布密集的区域为主。

步骤2:利用风向测量仪测量疑似恶臭污染源区域的风向，使各个无人机迎风搜索，提高污染源定位效率减少粒子数量降低成本。

步骤3：根据无人机数量N，将疑似污染源区域化分为多个子区域。扇形子区域角度为：每个子区域内放置一台无人机构成一个粒子进行搜索；整个区域的所有无人机构成粒子群通过信息交换进行恶臭污染源定位。

步骤4：无人机初始位置开始起飞，设定无人机飞行过程中最大飞行速度 V_imax＝(V_imaxx,V_imaxy,V_imaxz)^T和最小飞行速度V_imin＝(V_iminx,V_iminy,V_iminz)^T，在三维搜索空间中，N台无人机组成的粒子群X＝(X₁，X₂，X₃，...X_N)^T，每台无人机的初始位置为X_i ⁰＝(X⁰ _ix,X⁰ _iy,X⁰ _iz)^T。

步骤5：各个无人机在子区域内以Z字形迎风向前搜索，每5s钟读取一次数据，所读取的数据包括：气体传感器浓度值Ci、无人机当前位置X_i及速度 V_i，并且通过无线传输模块将所读取的数据传回PC端地面中心。

步骤6：PC端地面中心接收各无人机传回来的数据后，计算单个无人机监测气体浓度历史最佳位置P_i＝(P_ix,P_iy,P_iz)^T、无人机种群监测气体浓度历史最佳位置P_g＝(P_gx,P_gy,P_gz)^T。

步骤7：PC端地面中心计算P_g位置处气体浓度信息是否大于某个阈值，若历史最佳位置浓度信息小于某阈值，则PC端地面中心向各无人机发送继续Z 字形搜索指令，若历史最佳浓度信息大于设定某阈值则进入基于粒子群算法智能搜索策略。

步骤8：PC端基于粒子群算法，计算更新各无人机下一时刻的位置X_i ¹，并将新的位置信息通过无线传输模块发送至各无人机,无人机接收指令并飞往更新后的位置X_i ¹。

步骤9：基于粒子群算法不断更新位置X_i ^k+1，无人机接收指令并飞往更新后的位置X_i ^k+1，k为粒子群算法迭代次数，逐渐逼近恶臭污染源。

步骤10：判断更新后的位置是否为恶臭污染源，若各无人机在某个位置不停的徘徊，围成半径为1m左右的圆形状，且各无人机气体传感器浓度高于某个阈值，则判断为找到恶臭污染源，且将恶臭污染源位置传回PC端地面中心，PC端地面中心向无人机发送返航指令；否则继续步骤9基于粒子群智能搜索策略进行搜索。

附图说明

图1是本发明的流程图；

图2是本发明疑似恶臭污染源区域及子区域划分示意图。

具体实施方式

如图1所示，一种基于粒子群算法的多无人机协同恶臭溯源方法具体包括以下步骤：

步骤1：采用人工嗅觉法设定疑似恶臭污染源区域，疑似恶臭污染源区域设定通常以石油化工厂、垃圾处理厂、污水处理厂、饲料厂和肥料加工厂、皮革厂等分布密集的区域为主。

步骤2:使用风向测量仪测量疑似恶臭污染源区域的风向，使各个无人机迎风搜索，提高污染源定位效率减少粒子数量降低成本。

步骤3：根据无人机数量N，将疑似污染源区域化分为多个子区域。每个子区域内放置一台无人机构成一个粒子进行搜索；整个区域的所有无人机构成粒子群通过信息交换进行恶臭污染源定位。

所述步骤3：根据无人机数量将疑似污染源区域划分为多个扇形子区域，扇形子区域角度为：

步骤4：无人机初始位置开始起飞，设定无人机飞行过程中最大飞行速度 V_imax＝(V_imaxx,V_imaxy,V_imaxz)^T和最小飞行速度V_imin＝(V_iminx,V_iminy,V_iminz)^T，在三维搜索空间中，N台无人机组成的粒子群X＝(X₁，X₂，X₃，...X_N)^T，每台无人机的初始位置为X_i ⁰＝(X⁰ _ix,X⁰ _iy,X⁰ _iz)^T。

步骤5：各个无人机在子区域内以Z字形迎风向前搜索，每5s钟读取一次数据，所读取的数据包括：气体传感器浓度值Ci、无人机当前位置X_i＝(X_ix, X_iy,X_iz)^T及速度V_i＝(V_ix,V_iy,V_iz)^T，并且通过无线传输模块将所读取的数据传回PC端地面中心。

步骤6：PC端地面中心接收各无人机传回来的数据，计算每个无人机监测气体浓度历史C_imax最佳位置P_i＝(P_ix,P_iy,P_iz)^T、无人机种群监测气体浓度历史 max(C_1max,C_2max,C_3max.....C_Nmax)最佳位置P_g＝(P_gx,P_gy,P_gz)。

步骤7：PC端地面中心计算P_g位置处气体浓度信息是否大于某个阈值ε，若历史最佳位置浓度信息小于某阈值即max(C_1max,C_2max,C_3max.....C_Nmax)<ε，则PC 端地面中心向各无人机发送继续Z字形搜索指令，若历史最佳浓度信息大于设定某阈值则发现烟羽进入基于粒子群算法智能搜索策略。

步骤8：PC端基于粒子群算法，计算更新各无人机下一时刻的位置X_i ¹，并将新的位置信息通过无线传输模块发送至各无人机。

所述步骤8：基于粒子群算法计算更新各无人机下一时刻的位置迭代公式为如下：

V_i ^k＝V_max,V_i ^k＞V_max；

V_i ^k＝V_min,V_i ^k＜V_min；

其中k为迭代次数；为第i台无人机经过k次迭代后所更新的位置； V_i为第i台无人机当前速度；w为惯性权重取0.8；c₁、c₂为加速度系数取2；r₁、 r₂取值范围为(0,1)。

步骤9：基于粒子群算法不断更新位置X_i ^k+1，无人机接收指令并飞往更新后的位置X_i ^k+1，逐渐逼近恶臭污染源。

步骤10：判断是否成功定位恶臭污染源，若成功定位则将恶臭污染源位置传回PC端地面中心，PC端地面中心向无人机发送返航指令；否则继续步骤9 基于粒子群智能搜索策略进行搜索。

所述步骤10判断是否成功定位恶臭污染源表现为若各无人机在某个位置不停的徘徊，围成半径为1m左右的圆形状，且各无人机气体传感器浓度高于某个阈值，则判断为找到恶臭污染源。

Claims (8)

1.一种基于粒子群算法的多无人机协同恶臭溯源方法，其特征在于，包括以下步骤：

步骤1：采用人工嗅觉法设定疑似恶臭污染源区域；

步骤2：使用风向测量仪测量疑似恶臭污染源区域的风向，使各个无人机迎风搜索；

步骤3：根据无人机数量N，将疑似污染源区域化分为多个子区域。每个子区域内放置一台无人机构成一个粒子进行搜索；整个区域的所有无人机构成粒子群通过信息交换进行恶臭污染源定位；

步骤4：无人机初始位置开始起飞，在三维搜索空间中，N台无人机组成的粒子群X＝(X₁，X₂，X₃，...X_N)^T，每台无人机的初始位置为X_i ⁰＝(X⁰ _ix,X⁰ _iy,X⁰ _iz)^T；

步骤5：各个无人机在子区域内以Z字形迎风向前搜索，每5s钟读取一次无人机各数据，并且通过无线传输模块将所读取的数据传回PC端地面中心；

步骤6：PC端地面中心接收各无人机传回来的数据，计算每个无人机监测气体浓度历史C_imax最佳位置P_i、无人机种群监测气体浓度历史max(C_1max,C_2max,C_3max.....C_Nmax)最佳位置P_g；

步骤7：PC端地面中心通过计算种群无人机浓度最大值是否超过阈值，判断无人机是否找到烟羽，若找到则进入粒子群智能搜索策略，否则继续向无人机发送Z字形搜索指令；

步骤8：PC端基于粒子群算法，计算更新各无人机下一时刻的位置X_i ¹，并将新的位置信息通过无线传输模块发送至各无人机；

步骤9：基于粒子群算法不断更新位置X_i ^k+1，无人机接收指令并飞往更新后的位置X_i ^k+1，逐渐逼近恶臭污染源；

步骤10：判断是否成功定位恶臭污染源，若成功定位则将恶臭污染源位置传回PC端地面中心，PC端地面中心向无人机发送返航指令；否则继续步骤8基于粒子群智能搜索策略进行搜索。

2.根据权利要求1所述的一种基于粒子群算法的多无人机协同恶臭溯源方法，其特征在于：所述步骤1中疑似恶臭污染源区域设定通常以石油化工厂、垃圾处理厂、污水处理厂、饲料厂和肥料加工厂、皮革厂等分布密集的区域为主。

3.根据权利要求1所述的一种基于粒子群算法的多无人机协同恶臭溯源方法，其特征在于：所述步骤2中使用风向测量仪测量疑似恶臭污染源区域的风向，使各个无人机迎风搜索，提高污染源定位效率减少粒子数量降低成本。

4.根据权利要求1所述的一种基于粒子群算法的多无人机协同恶臭溯源方法，其特征在于：所述步骤3中根据无人机数量将疑似污染源区域划分为多个扇形子区域，扇形子区域角度为：

5.根据权利要求1所述的一种基于粒子群算法的多无人机协同恶臭溯源方法，其特征在于：所述步骤5中每5s钟读取一次数据，所读取的数据包括：气体传感器浓度值C_i、无人机当前位置X_i＝(X_ix,X_iy,X_iz)^T与速度V_i＝(V_ix,V_iy,V_iz)^T。

6.根据权利要求1所述的一种基于粒子群算法的多无人机协同恶臭溯源方法，其特征在于：所述步骤7中PC端地面中心计算P_g位置处气体浓度信息是否大于某个阈值ε，若历史最佳位置浓度信息小于某阈值即max(C_1max,C_2max,C_3max.....C_Nmax)<ε，则PC端地面中心向各无人机发送继续Z字形搜索指令，若历史最佳浓度信息大于设定某阈值则发现烟羽进入基于粒子群算法智能搜索策略。

7.根据权利要求1所述的一种基于粒子群算法的多无人机协同恶臭溯源方法，其特征在于：所述步骤8中基于粒子群算法计算更新各无人机下一时刻的位置迭代公式为如下：

V_i ^k＝V_max,V_i ^k＞V_max；

V_i ^k＝V_min,V_i ^k＜V_min；

其中k为迭代次数；为第i台无人机经过k次迭代后所更新的位置；V_i为第i台无人机当前速度；w为惯性权重取0.8；c₁、c₂为加速度系数取2；r₁、r₂取值范围为(0,1)。

8.根据权利要求1所述的一种基于粒子群算法的多无人机协同恶臭溯源方法，其特征在于：所述步骤10中判断是否成功定位恶臭污染源表现为若各无人机在某个位置不停的徘徊，形成半径为1m左右的圆，且各无人机气体传感器浓度高于某个阈值，则判断为找到恶臭污染源。