CN109739235A - 一种仿雌蚊的移动传感器泄漏气体自动追踪方法 - Google Patents
一种仿雌蚊的移动传感器泄漏气体自动追踪方法 Download PDFInfo
- Publication number
- CN109739235A CN109739235A CN201910005134.5A CN201910005134A CN109739235A CN 109739235 A CN109739235 A CN 109739235A CN 201910005134 A CN201910005134 A CN 201910005134A CN 109739235 A CN109739235 A CN 109739235A
- Authority
- CN
- China
- Prior art keywords
- gas
- tracking
- source
- plume
- female mosquito
- 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
Abstract
一种仿雌蚊的移动传感器泄漏气体自动追踪方法,先探测感知释放气体,然后进行气体羽流发现并追踪气体羽流,追踪停止后确认泄漏源项;其中,确认泄漏源项的具体过程为:追踪停止后,根据最优化算法和扩散反演理论,将在搜索过程中的浓度检测值与利用高斯气体扩散模型预测得到的浓度预测值之间的误差最小时的泄漏源参数,作为泄漏源参数估计值,以此确认泄漏源。本发明能够快速准确的实现泄漏气体溯源,提高气体泄漏释放时间的溯源管理,能够应用于化工安全、环境安全、灾害救援等领域。
Description
技术领域
本发明涉及电子信息、人工智能、安全检测监测等领域,特别涉及一种仿雌蚊的移动传感器泄漏气体自动追踪方法,可以有效地实现在复杂特殊大气环境下,搭载在移动平台上的移动传感器针对挥发性介质或气体泄漏的自动溯源。
背景技术
诸如石油、天然气、有机化工原料等物料在工业过程中占据重要的地位,这些物料往往都具有挥发性特性。在这些物料的储存和输运过程中,储运容器管道发生泄漏会造成潜在的环境危害、社会危害。此外,挥发性污染污染物在大气中的扩散传播,会来来严重的潜在危害。因而,对大气环境中潜在挥发性危险源的溯源追踪至关重要。
泄漏溯源的基本手段是泄漏源辨识方法。目前,对于地面气体泄漏溯源研究主要是借助固定传感器阵列监测信息和反演算法,获得泄漏源参数估计。根据反问题求解方法原理,已有的气体泄漏反演辨识方法可分为直接反问题求解、最优化方法以及基于概率统计的随机逼近等方法。然而,基于固定传感器的反演溯源方法应用受到以下限制:(1)溯源的准确性依赖于传感器的感知信息范围,有限的静态传感器无法提供足够的信息,而大量布置传感器使成本增加,同时也受到环境和先验信息的限制;(2)反演算法依赖于先验数据信息的精度和维度,而且某些参数计算复杂,很难直接得到。针对固定传感器存在的上述问题,基于移动传感器的自主溯源技术受到越来越多的关注。移动传感器可以通过将传感器搭载于空中飞行器、地面机器人等无人操控机器,能够克服静态传感器有限分布仅能提供有限信息的缺点,而且随着技术的发展,其成本也在不断降低。
目前关于移动传感器溯源的研究主要集中于不同场景下的自主移动溯源方法研究,包括气体羽流识别、自主搜索路径规划、泄漏源确认等内容。基于模仿动物或微生物寻找异性、搜索食物等行为,以国内外研究者们提出了不同的仿生溯源算法用于自主移动溯源。此类算法受到生物或微生物利用物质信息素激发控制其溯源行为的启发,是一种基于化学物质反应激励的泄漏溯源方法。基于不同的激励控制原理,可以分为化学趋向性(Chemotaxis)、风趋向性(Anemotaxis)、通量趋向性(Fluxotaxis)的搜索算法。化学趋向性算法主要是以一维方向浓度梯度为导向,不断向浓度最大方向搜索,典型算法有模拟大肠杆菌寻找营养物质的E.coli算法、模拟蜣螂寻找粪球的Dung beetle算法等;风趋向性算法以逆流方向为导向,结合浓度信息进行辅助判断,主要有沿羽流两侧边界做Z字折回前进搜索的Zigzag算法、烟羽中心逆风算法、模拟雄蚕蛾寻找异性的Silkworm moth算法、以风向和浓度梯度夹角为搜索方向的逐步逼近算法及仿蓝蟹等水下生物觅食特性的算法等。在此基础上其他研究者们又提出了基于通量趋向的搜索方法,其主要是通过机器人群获取信息,计算穿过搜索空间的物质通量大小,根据通量梯度变化向泄漏源逼近。
尽管这样,移动传感器自主溯源方法还存在一些问题:(1)基于化学物质反应激励的仿生溯源方法通常以搜索路径上两点之间一维信息为导向,策略简单,容易实现,具有较高的搜索效率。但是其可用信息较少,对物质浓度依赖较大,在复杂环境中容易失效,溯源的准确性有待提高。(2)基于信息感知和模型分析的搜索方法,能够通过复杂模型估计获取相对比较准确的路径规划参数,因而对浓度依赖小,溯源准确性较高。但是目前提出的诸如马尔科夫、粒子滤波等方法,一方面计算时间成本较高,另一方面需要很多先验信息。(3)目前移动溯源方法在搜索终止准则和泄漏源确认方法方面研究还很不充分。搜索终止判断大都依靠人工判断。泄漏源确认通常以全局浓度最大为依据,而在实际环境中,由于流场和外部环境影响,泄漏源位置往往并不是浓度最大处,而且搜索策略及轨迹不同,搜索过程最大浓度所在位置差异较大。正因为如此,如何平衡自主移动溯源方法的效率和准确性是目前该领域的一个难点。
综上所述,由于目前移动传感器的自主溯源方法还存在一些问题,所以有必要提供一种仿雌蚊的移动传感器泄漏气体自动追踪方法。
发明内容
本发明的目的是提供一种仿雌蚊的移动传感器泄漏气体自动追踪方法,通过模仿雌蚊寄主搜寻的行为中表现出来的序列迭代多模式搜素机制,提出移动传感器对泄漏气体的识别、追踪、加速、停止及泄漏源项确认方法,实现对气体泄漏源的自动快速准确追踪确认。
为达到上述目的,本发明采用的技术方案是:
一种仿雌蚊的移动传感器泄漏气体自动追踪方法,先探测感知释放气体,然后进行气体羽流发现并追踪气体羽流,追踪停止后确认泄漏源项;其中,确认泄漏源项的具体过程为:追踪停止后,根据最优化算法和扩散反演理论,将在搜索过程中的浓度检测值与利用高斯气体扩散模型预测得到的浓度预测值之间的误差最小时的泄漏源参数,作为泄漏源参数估计值,以此确认泄漏源。
本发明进一步的改进在于,探测感知释放气体的具体过程为:利用搭载于移动机器人上的若干个气体传感器阵列构成的人工嗅觉模块,检测空气中的待测气体对象,如果感知到目标气体信号超过检测阈值,启动气体羽流发现过程。
本发明进一步的改进在于,气体羽流发现的具体过程为:在检测起始地点启动自动溯源机制,移动机器人与逆风方向呈30°~60°前进,以Z字形式折回向前移动,如果超过50个步长后,依然无法发现羽流,反向偏转,继续以Z字形式折回搜索,搜索步长加倍,直到找到羽流为止。
本发明进一步的改进在于,追踪气体羽流的具体过程为:移动机器人找到羽流后,沿着羽流采用仿雌蚊多边形折回导向追踪机制与搜索加速准则进行自动搜索追踪。
本发明进一步的改进在于,仿雌蚊多边形折回导向追踪机制为通过模仿雌蚊追踪人体呼出二氧化碳气体过程中,在飞行平面内表现出的折回记忆追踪模式进行折回搜索。
本发明进一步的改进在于,搜索加速准则为:当移动机器进入羽流,沿逆风方向连续追踪50个步长后,如果追踪轨迹出现明显拐点,或者移动机器人每一步侧风位移/逆风位移<0.1,则判断移动机器人已位于羽流中线,启动加速,移动速度翻倍,移动机器人方向保持逆风方向持续前进,直到满足气体追踪停止准则时停止追踪。
本发明进一步的改进在于,气体追踪停止准则为当连续检测到最大浓度值不变且当前测到的浓度突变为0,停止搜索。
与现有技术相比,本发明具有以下有益效果:
(1)本发明提出的移动传感器泄漏追踪方法,受雌蚊搜寻寄主行为,以分步多模态方式进行气体泄漏源追踪确认,能够实现对泄漏气体追踪的鲁棒性;
(2)本发明提出的移动传感器泄漏确认方法,结合最优化方法与反演参数估计理论,能够更加准确方便的实现泄漏源相关参数估计,在原理泄漏源的情况下依然可以得到相对准确的源参数估计。
(3)本发明提出的移动传感器泄漏气体追踪方法,可以用于搭载在地面移动机器人或空中无人飞行器上,执行目标区域的巡检或自动溯源任务。
(4)本发明提出的移动传感器泄漏气体追踪方法,可以用在大型油气站场、化工厂区、危险物质储存区域、环境污染物释放区域、火灾等带挥发性气体组分的灾害环境下的危险释放源自动追踪识别。
进一步的,本发明提出基于雌蚊追踪二氧化碳的折回多边形气体追踪机制,能够保证在追踪过程中对羽流跟踪的有效性,提高移动传感器气体泄漏追踪的效率;
进一步的,本发明提出的气体泄漏停止准则,相比于目前最大浓度判断准则,更加容易实现,而且更加接近真实泄漏源;
附图说明
图1为机器人仿雌蚊泄漏气体溯源机制原理图。
图2为机器人溯源过程示意图,其中,2-1为泄漏气体羽流,2-2为移动机器人轨迹,2-3为折回面间追踪轨迹,2-4为停止地点。
图3为图2中折回面间追踪轨迹2-3处方框(即小方框)的放大图。其中,301为加速轨迹,302为折回面间梯度导向轨迹。
图4为图2中停止地点2-4处方框(即大方框)的放大图。
图5为折回多边形面间梯度导向原理图,其中,5-1为走完一个Z字后,下一步的移动矢量,5-2为每一步的移动矢量,5-3为每一步移动位置。
具体实施方式
下面结合具体的实例和附图对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
本发明的一种仿雌蚊的移动传感器气体泄漏自动追踪方法,模仿雌蚊在搜寻寄主过程当中的信息感知方式。雌蚊的寄主搜寻过程被称为迭代序列感知驱动搜索模式,模仿雌蚊搜寻寄主过程的迭代序列多模式搜素机制进行气体泄漏源溯源,借鉴这种迭代序列感知驱动模式,本发明包括:释放气体探测感知、气体羽流发现、气体羽流追踪、追踪停止准则及泄漏源项确认,如图1所示。图1中,虚线上方为现有技术中的仿生的雌蚊搜索人体呼出二氧化碳并登陆人体皮肤表面的过程,虚线下方为本发明中机器人模仿雌蚊搜索寄主的过程。参见图1,现有技术中的仿生的雌蚊搜索人体呼出二氧化碳并登陆人体皮肤表面的过程为:通过在空气中被动识别高于背景浓度的CO2,然后激发迎风飞行,从而开始追踪CO2羽流,当接近寄主附近的时候,通过杆子视觉特征、皮肤挥发性气味特征等确定寄主,从而停止追踪CO2羽流,转向感知热红外、皮肤水汽等特征,确定着陆地点,成功着落在寄主皮肤。
图1中虚线下方为本发明中机器人模仿雌蚊搜索寄主的过程,该过程具体如下:
释放气体探测感知的具体过程为:利用搭载于移动机器人上的4个气体传感器阵列构成的人工嗅觉模块(4个气体传感器阵列可以根据实际需要分布,具体形式没有要求),检测空气中的待测气体对象,如果感知到目标气体信号超过检测阈值,启动气体羽流发现过程。
气体羽流发现的具体过程为:在气体发生泄漏时,会形成泄漏气体羽流2-1,在检测起始地点启动自动溯源机制,移动机器人以与逆风方向呈30°~60°前进,如图2所示,以Z字形式折回向前移动,如果超过一定的步长后(因场地大小不同而异,比如超过50个步长),依然无法发现羽流,反向偏转,继续以“Z”字形式折回搜索,搜索步长加倍,直到找到羽流为止;移动机器人轨迹2-2如图2所示。
羽流追踪的具体过程为:移动机器人找到羽流后,沿着羽流采用仿雌蚊多边形折回导向追踪机制与搜索加速准则进行自动搜索追踪。
其中,仿雌蚊多边形折回导向追踪机制为通过模仿雌蚊追踪人体呼出二氧化碳气体过程中,在飞行平面内表现出的折回记忆追踪模式进行折回搜索。
如图5所示,在追踪过程中,移动机器人在移动过程中沿逆风方向前进,每次前进过程由多个三步搜索形成的折回“Z”字轨迹构成,首先以15°~60°角度顺风移动三步(如图5中的a,b,c所示)后,即移动1-2,2-3,3-4三步,其中,每移动一步,对应每一步的移动矢量5-2,得到如图5中所示的1、2、3、4四个点位的浓度,如分别为20mg/s、40mg/s、60mg/s、80mg/s,判断四个点位间的6个浓度梯度,下一步的前进方向由1、2、3、4之间的浓度梯度最大方向决定,本实施例图5中浓度梯度最大方向为点位1(浓度20mg/s)和点位4(80mg/s)所指方向,所以下一步的移动方向为位点1-4方向,即走完一个Z字后,下一步的移动矢量5-1。1、2、3、4四个点位为每一步移动位置5-3;点位5、6、7、8表示第二个“Z”字移动过程,点位5即是点位4的位置,下一步的移动方向为1-4方向,所以下一步5-6的方向即1-4方向。走完5-6这一步后,以15°~60°角度移动两步6-7和7-8。
移动机器人在移动过程中以与逆风方向呈30°~60°方向沿逆风方向前进时,每次前进过程由三步搜索构成的折回Z字轨迹构成,下一步前进角度由折回多边形各点之间的浓度梯度最大方向决定。
羽流搜索加速准则为:当移动机器进入羽流,沿逆风方向连续追踪大约50个步长后,如果追踪轨迹出现明显拐点,或者移动机器人在侧风方向的位移移动偏差远小于在逆风风向上的位移(即侧风位移/逆风位移<0.1),则判断移动机器人已位于羽流中线,启动加速,移动速度翻倍,移动机器人方向保持逆风方向持续前进,直到满足气体追踪停止准则时追踪停止。
气体追踪停止准则为:当连续检测到最大浓度值不变且当前测到的浓度突变为0,即可停止搜索。
气体泄漏源确认方法为:移动机器人停止后,开始源项确认过程,根据粒子群算法等最优化算法和扩散反演理论,将在搜索过程中的浓度检测值与利用高斯气体扩散模型预测得到的浓度预测值之间的误差最小时的泄漏源参数,作为泄漏源参数估计值,以此确认泄漏源。
实施例1
如图1所示,气体羽流发现的具体过程为:在检测起始地点启动自动溯源机制,移动机器人以与逆风方向呈30°~60°角度逆风前进,如图2所示,以Z字形式折回向前移动,如果超过一定的步长后(因场地大小不同而异),依然无法发现羽流,反向偏转,继续以“Z”字形式折回搜索,搜索步长加倍,直到找到羽流为止;
具体过程如图2所示,移动机器人启动后以15°~60°角度逆风前进,以“Z”字形式折回向前移动,步长约0.2m,形成折回面间追踪轨迹2-3,如果超过20次后,依然无法发现羽流,反向偏转,继续以“Z”字形式折回搜索,搜索步长加倍至0.4m,形成移动机器人轨迹2-2,直到找到泄漏气体羽流2-1为止,即在停止地点2-4停止。
羽流追踪的具体过程为:移动机器人找到羽流后,沿着羽流采用仿雌蚊多边形折回导向追踪机制与搜索加速准则进行自动搜索追踪。
具体过程为:找到羽流后,以折回多边形面间梯导向准则追踪泄漏气体羽流,折回多边形面间追踪轨迹如图3所示,折回多边形面间梯度导向原理如图5所示。在追踪过程中,移动机器人在移动过程中沿逆风方向前进,每次前进过程由三步搜索构成的折回“Z”字轨迹构成,首先以15°~60°角度顺风移动三步a,b,c后,得到1、2、3、4四个点位的浓度,如分别为20mg/s、40mg/s、60mg/s、80mg/s,判断四个点位间的6个浓度梯度,下一步的前进方向由位点1、2、3、4之间的浓度梯度最大方向决定,本实施例中图5中浓度梯度最大方向为点位1(浓度20mg/s)和点位4(80mg/s)所指方向,所以下一步的移动方向为位点1-4方向。点位5、6、7、8表示第二个“Z”字移动过程,点位5即是点位4的位置,下一步的移动方向为位点1-4方向,所以下一步位点5-6的方向即位点1-4方向。走完位点5-6这一步后,以15°~60°角度移动两步6-7和7-8。
参见图3,当移动机器人进入羽流,沿逆风方向连续追踪50个步长后,如果追踪轨迹出现明显拐点,或者移动机器人在侧风方向的位移移动偏差远小于在逆风风向上的位移(即侧风位移/逆风位移<0.1),则判断移动机器人已位于羽流中线,移动速度增加一倍,启动加速过程,形成加速轨迹301,移动机器人保持逆风方向持续前进,直到满足停止准则时停止搜索,形成折回面间梯度导向轨迹302。停止准则是当判断已经搜索100个步长,连续检测到最大浓度值不变,且当前测到的浓度突变为0,即可停止搜索,停止在停止地点2-4,如图4所示。
移动机器人停止后,开始在远程电脑终端开始计算泄漏源位置,计算泄漏源位置的过程为:根据粒子群等最优化算法,将在搜索过程中相应位置的浓度值,与利用高斯气体扩散模型预测得到的浓度预测值之间的误差最小时的泄漏源参数值,作为泄漏源参数估计值,以此确认泄漏源位置。
本发明通过仿雌蚊搜寻寄主过程的迭代序列多模式搜素机制进行气体泄漏源溯源,在人工嗅觉模块感知释放气体探测后、经历往复游走气体羽流发现、折回多边形面间浓度梯度导向的气体羽流追踪、追踪停止准则及基于最优化参数辨识算法的泄漏源项确认方法四步迭代序列感知确认泄漏源项参数,能够快速准确的实现泄漏气体溯源,提高气体泄漏释放时间的溯源管理,能够应用于化工安全、环境安全、灾害救援等领域。
本发明具有以下优点:
(1)本发明提出的移动传感器泄漏追踪方法,受雌蚊搜寻寄主行为,以分步多模态方式进行气体泄漏源追踪确认,能够实现对泄漏气体追踪的鲁棒性;
(2)本发明提出基于雌蚊追踪二氧化碳的折回多边形气体追踪机制,能够保证在追踪过程中对羽流跟踪的有效性,提高移动传感器气体泄漏追踪的效率;
(3)本发明提出的气体泄漏停止准则,相比于目前最大浓度判断准则,更加容易实现,而且更加接近真实泄漏源;
(4)本发明提出的移动传感器泄漏确认方法,结合最优化方法与反演参数估计理论,能够更加准确方便的实现泄漏源相关参数估计,在原理泄漏源的情况下依然可以得到相对准确的源参数估计。
(5)本发明提出的移动传感器泄漏气体追踪方法,可以用于搭载在地面移动机器人或空中无人飞行器上,执行目标区域的巡检或自动溯源任务。
(6)本发明提出的移动传感器泄漏气体追踪方法,可以用在大型油气站场、化工厂区、危险物质储存区域、环境污染物释放区域、火灾等带挥发性气体组分的灾害环境下的危险释放源自动追踪。
Claims (7)
1.一种仿雌蚊的移动传感器泄漏气体自动追踪方法,其特征在于,先探测感知释放气体,然后进行气体羽流发现并追踪气体羽流,追踪停止后确认泄漏源项;其中,确认泄漏源项的具体过程为:追踪停止后,根据最优化算法和扩散反演理论,将在搜索过程中的浓度检测值与利用高斯气体扩散模型预测得到的浓度预测值之间的误差最小时的泄漏源参数,作为泄漏源参数估计值,以此确认泄漏源。
2.根据权利要求1所述的一种仿雌蚊的移动传感器泄漏气体自动追踪方法,其特征在于,探测感知释放气体的具体过程为:利用搭载于移动机器人上的若干个气体传感器阵列构成的人工嗅觉模块,检测空气中的待测气体对象,如果感知到目标气体信号超过检测阈值,启动气体羽流发现过程。
3.根据权利要求1所述的一种仿雌蚊的移动传感器泄漏气体自动追踪方法,其特征在于,气体羽流发现的具体过程为:在检测起始地点启动自动溯源机制,移动机器人与逆风方向呈30°~60°前进,以Z字形式折回向前移动,如果超过50个步长后,依然无法发现羽流,反向偏转,继续以Z字形式折回搜索,搜索步长加倍,直到找到羽流为止。
4.根据权利要求1所述的一种仿雌蚊的移动传感器泄漏气体自动追踪方法,其特征在于,追踪气体羽流的具体过程为:移动机器人找到羽流后,沿着羽流采用仿雌蚊多边形折回导向追踪机制与搜索加速准则进行自动搜索追踪。
5.根据权利要求4所述的一种仿雌蚊的移动传感器泄漏气体自动追踪方法,其特征在于,仿雌蚊多边形折回导向追踪机制为通过模仿雌蚊追踪人体呼出二氧化碳气体过程中,在飞行平面内表现出的折回记忆追踪模式进行折回搜索。
6.根据权利要求4所述的一种仿雌蚊的移动传感器泄漏气体自动追踪方法,其特征在于,搜索加速准则为:当移动机器进入羽流,沿逆风方向连续追踪50个步长后,如果追踪轨迹出现明显拐点,或者移动机器人每一步侧风位移/逆风位移<0.1,则判断移动机器人已位于羽流中线,启动加速,移动速度翻倍,移动机器人方向保持逆风方向持续前进,直到满足气体追踪停止准则时停止追踪。
7.根据权利要求6所述的一种仿雌蚊的移动传感器泄漏气体自动追踪方法,其特征在于,气体追踪停止准则为当连续检测到最大浓度值不变且当前测到的浓度突变为0,停止搜索。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910005134.5A CN109739235B (zh) | 2019-01-03 | 2019-01-03 | 一种仿雌蚊的移动传感器泄漏气体自动追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910005134.5A CN109739235B (zh) | 2019-01-03 | 2019-01-03 | 一种仿雌蚊的移动传感器泄漏气体自动追踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109739235A true CN109739235A (zh) | 2019-05-10 |
CN109739235B CN109739235B (zh) | 2020-06-19 |
Family
ID=66363271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910005134.5A Active CN109739235B (zh) | 2019-01-03 | 2019-01-03 | 一种仿雌蚊的移动传感器泄漏气体自动追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109739235B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971874A (zh) * | 2021-09-30 | 2022-01-25 | 中国化学工程第六建设有限公司 | 现场施工应急安全报警系统 |
CN115097849A (zh) * | 2022-07-25 | 2022-09-23 | 中国安全生产科学研究院 | 一种基于队形变换的多任务机器人任务执行方法 |
CN115165236A (zh) * | 2022-07-25 | 2022-10-11 | 中国安全生产科学研究院 | 用于空间区域确定的多机器人探测方法 |
CN115953104A (zh) * | 2023-03-10 | 2023-04-11 | 南京邮电大学 | 一种基于蜣螂优化算法的混合车队调度方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020186966A1 (en) * | 2001-06-08 | 2002-12-12 | Zimmer George M. | Vaporizer with capacity control valve |
US6791088B1 (en) * | 2001-05-04 | 2004-09-14 | Twin Rivers Engineering, Inc. | Infrared leak detector |
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 |
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 |
CN105301203A (zh) * | 2015-11-27 | 2016-02-03 | 中国矿业大学 | 一种基于烟花算法的气味源定位方法 |
CN106090622A (zh) * | 2016-06-27 | 2016-11-09 | 西安交通大学 | 一种空中飞行人工嗅觉气体早期泄漏监测定位系统及方法 |
EP3156820A1 (de) * | 2015-10-13 | 2017-04-19 | Valeo Schalter und Sensoren GmbH | Verfahren zum erfassen eines dynamischen objekts in einem umgebungsbereich eines kraftfahrzeugs auf basis von informationen einer kraftfahrzeugseitigen ultraschall-detektionseinrichtung, fahrerassistenzsystem und kraftfahrzeug |
CN106918367A (zh) * | 2017-04-26 | 2017-07-04 | 河北工业大学 | 一种机器人主动搜寻定位气味源的方法 |
WO2018208941A1 (en) * | 2017-05-10 | 2018-11-15 | Coravin, Inc. | Beverage container identification and dispensing control |
CN108920818A (zh) * | 2018-06-29 | 2018-11-30 | 中国安全生产科学研究院 | 危险化学品气体泄漏等浓度线质心轨迹溯源算法 |
-
2019
- 2019-01-03 CN CN201910005134.5A patent/CN109739235B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6791088B1 (en) * | 2001-05-04 | 2004-09-14 | Twin Rivers Engineering, Inc. | Infrared leak detector |
US20020186966A1 (en) * | 2001-06-08 | 2002-12-12 | Zimmer George M. | Vaporizer with capacity control valve |
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 |
EP3156820A1 (de) * | 2015-10-13 | 2017-04-19 | Valeo Schalter und Sensoren GmbH | Verfahren zum erfassen eines dynamischen objekts in einem umgebungsbereich eines kraftfahrzeugs auf basis von informationen einer kraftfahrzeugseitigen ultraschall-detektionseinrichtung, fahrerassistenzsystem und kraftfahrzeug |
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 |
CN105301203A (zh) * | 2015-11-27 | 2016-02-03 | 中国矿业大学 | 一种基于烟花算法的气味源定位方法 |
CN106090622A (zh) * | 2016-06-27 | 2016-11-09 | 西安交通大学 | 一种空中飞行人工嗅觉气体早期泄漏监测定位系统及方法 |
CN106918367A (zh) * | 2017-04-26 | 2017-07-04 | 河北工业大学 | 一种机器人主动搜寻定位气味源的方法 |
WO2018208941A1 (en) * | 2017-05-10 | 2018-11-15 | Coravin, Inc. | Beverage container identification and dispensing control |
CN108920818A (zh) * | 2018-06-29 | 2018-11-30 | 中国安全生产科学研究院 | 危险化学品气体泄漏等浓度线质心轨迹溯源算法 |
Non-Patent Citations (3)
Title |
---|
DENGLONG MA: "application and improvement of swarm intelligence optimization algorithm in gas emission source identification in atmosphere", 《JOURNAL OF LOSS PREVENTION IN THE PROCESS INDUSTRIES》 * |
张东: "仿生机制下的机器人嗅觉感知与定位研究", 《中国优秀硕士学位论文全文数据库》 * |
马登龙: "基于仿生搜索的气体泄漏自动溯源方法研究", 《第六届CCPS中国过程安全会议》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971874A (zh) * | 2021-09-30 | 2022-01-25 | 中国化学工程第六建设有限公司 | 现场施工应急安全报警系统 |
CN115097849A (zh) * | 2022-07-25 | 2022-09-23 | 中国安全生产科学研究院 | 一种基于队形变换的多任务机器人任务执行方法 |
CN115165236A (zh) * | 2022-07-25 | 2022-10-11 | 中国安全生产科学研究院 | 用于空间区域确定的多机器人探测方法 |
CN115165236B (zh) * | 2022-07-25 | 2024-04-26 | 中国安全生产科学研究院 | 用于空间区域确定的多机器人探测方法 |
CN115097849B (zh) * | 2022-07-25 | 2024-04-30 | 中国安全生产科学研究院 | 一种基于队形变换的多任务机器人任务执行方法 |
CN115953104A (zh) * | 2023-03-10 | 2023-04-11 | 南京邮电大学 | 一种基于蜣螂优化算法的混合车队调度方法 |
CN115953104B (zh) * | 2023-03-10 | 2023-08-15 | 南京邮电大学 | 一种基于蜣螂优化算法的混合车队调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109739235B (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109739235A (zh) | 一种仿雌蚊的移动传感器泄漏气体自动追踪方法 | |
Hutchinson et al. | Information-based search for an atmospheric release using a mobile robot: Algorithm and experiments | |
Hitz et al. | Autonomous inland water monitoring: Design and application of a surface vessel | |
Farrell et al. | Chemical plume tracing experimental results with a REMUS AUV | |
Ishida et al. | Mobile robot navigation using vision and olfaction to search for a gas/odor source | |
Yang et al. | Experimental study on three single-robot active olfaction algorithms for locating contaminant sources in indoor environments with no strong airflow | |
WO2017074605A1 (en) | Flexible three-dimensional long-path gas sensing by unmanned vehicles | |
Neumann et al. | From insects to micro air vehicles—A comparison of reactive plume tracking strategies | |
Zhang et al. | Autonomous four‐dimensional mapping and tracking of a coastal upwelling front by an autonomous underwater vehicle | |
Groves et al. | Mallard: An autonomous aquatic surface vehicle for inspection and monitoring of wet nuclear storage facilities | |
Rahbar et al. | A 3-D bio-inspired odor source localization and its validation in realistic environmental conditions | |
Wei et al. | An improved method based on deep reinforcement learning for target searching | |
CN106777893A (zh) | 一种利用可移动污染物探测器辨识城市空间多污染物源的方法 | |
Ma et al. | Location of contaminant emission source in atmosphere based on optimal correlated matching of concentration distribution | |
Shen et al. | A novel plume tracking method in partial 3D diffusive environments using multi-sensor fusion | |
CN112485367A (zh) | 一种大气污染物溯源方法 | |
Ma et al. | Emission source tracing based on bionic algorithm mobile sensors with artificial olfactory system | |
Li et al. | Speed limitation of a mobile robot and methodology of tracing odor plume in airflow environments | |
CN109766780A (zh) | 一种基于深度学习的船舶烟雾排放在线检测和追踪方法 | |
Dunbabin | Autonomous greenhouse gas sampling using multiple robotic boats | |
Tian et al. | Moth-inspired plume tracing via autonomous underwaer vehicle with only a pair of separated chemical sensors | |
Al Radi et al. | Video analysis of flare stacks with an autonomous low-cost aerial system | |
Ramirez et al. | An infotaxis based odor navigation approach | |
Prabowo et al. | Integration of Bayesian inference and anemotaxis for robotics gas source localization in a large cluttered outdoor environment | |
Ushiku et al. | Estimation of gas-source location using gas sensors and ultrasonic anemometer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |