CN109902374A - 一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法 - Google Patents
一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法 Download PDFInfo
- Publication number
- CN109902374A CN109902374A CN201910131930.3A CN201910131930A CN109902374A CN 109902374 A CN109902374 A CN 109902374A CN 201910131930 A CN201910131930 A CN 201910131930A CN 109902374 A CN109902374 A CN 109902374A
- Authority
- CN
- China
- Prior art keywords
- flight sensor
- concentration
- pollution
- patrol
- patrol track
- 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
本发明涉及一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,包括:步骤S1:构建目标函数以优化飞行传感器在建筑中的先验巡逻轨迹得到最优巡逻轨迹;步骤S2:模拟公共建筑突发污染浓度场,飞行传感器在该浓度场中按最优巡逻轨迹探测污染浓度,并在探测发现污染浓度超过设定阈值时执行步骤S3;步骤S3:飞行传感器发现浓度后按模拟退火算法计算的路径溯源;步骤S4:判断是否满足终止条件,若满足,则输出污染源坐标,反之,则返回步骤S3。与现有技术相比,本发明具有满足公共建筑突发污染快速预警及溯源的需求等优点。
Description
技术领域
本发明涉及一种公共建筑突发污染溯源,尤其是涉及一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法。
背景技术
以人员密集的公共建筑为目标的生化袭击事件的发生,促发了一系列针对建筑环境防恐的技术研究工作。当建筑内出现突发空气污染源时,如何实现空气污染的快速预警及溯源是一项系统工作同时也是建筑采取相应措施清除污染源与实施应急通风等手段,实现快速、高效的污染危害控制的基础。
对于污染预警过程,传统的静态传感器布置方案通过一定的优化算法将传感器预先布置在建筑中,当突发污染的浓度经过该传感器时,发出预警并反馈实时浓度,属于被动预警。由于公共建筑内部气流组织复杂,大部分气流处于湍动状态,导致污染源施放后的建筑内部浓度分布呈现不规则且间歇状态,同时由于突发污染的随机性,使得原有的静态传感器布置方案对于传感器数目及性能的要求过高,无法实现工程化。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法。
本发明的目的可以通过以下技术方案来实现:
一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,包括:
步骤S1:构建目标函数以优化飞行传感器在建筑中的先验巡逻轨迹得到最优巡逻轨迹;
步骤S2:模拟公共建筑突发污染浓度场,飞行传感器在该浓度场中按最优巡逻轨迹探测污染浓度,并在探测发现污染浓度超过设定阈值时执行步骤S3;
步骤S3:飞行传感器发现浓度后按模拟退火算法计算的路径溯源;
步骤S4:判断是否满足终止条件,若满足,则输出污染源坐标,反之,则返回步骤S3。
所述步骤S1具体包括:
步骤S11:按照使飞行传感器在突发污染事件中发现浓度的时间最短,或考虑突发污染的随机性特征,使飞行传感器无法发现浓度的概率最低构建目标函数;
步骤S12:基于构建的目标函数,在通过计算流体力学模型模拟得到的公共建筑随机突发污染浓度场下对N条可能的巡逻轨迹进行寻优。
所述步骤S11中,按照使飞行传感器在突发污染事件中发现浓度的时间最短得到的目标函数f1(x)为:
其中:pk为污染源在空间位置k施放的概率,N为所有可能的污染源施放位置的数目,tdet-k为对应的飞行传感器轨迹所需要的监测时间;
按照使飞行传感器无法发现浓度的概率最低的目标函数f2(x)为:
其中:Uk为空间位置k对应的污染事件被传感器监测到与否。
所述步骤S12具体包括:
步骤S121:将N条随机的巡逻轨迹组成的种群初始化;
步骤S122:计算所述优化目标函数对应的适应度值;
步骤S123:采用遗传算法中的交叉与变异操作将所得的各优化目标的解划分为非支配解集,并采用Goldberd排序法对当前子代中的非支配解集排序;
步骤S124:生成新的种群,并重复步骤S121~S123,最终选择目标函数对应的全局最优解产生下一代巡逻轨迹;
步骤S125:判断是否达到预设代数,若未达到则重复步骤S124,若达到则输出飞行传感器最优巡逻轨迹。
所述步骤S2具体包括:
步骤S21:运用计算流体力学模型得到公共建筑中确定的突发污染事件下的各建筑空间浓度场;
步骤S22:飞行传感器按最优巡逻轨迹巡逻并探测污染物,当探测污染浓度超过所设定的阈值时表示突发污染已发生,此时飞行传感器发出预警并反馈追踪阶段的初始三维坐标,并执行步骤S3。
所述步骤S3中通过搜索污染浓度最大值所在位置实现路径溯源,具体包括:
步骤S31:以对数化后的浓度均值作为模拟退火算法的目标函数:
E=ln(Cμ)
步骤S32:调用模拟退火算法计算飞行传感器的行进路径。
所述步骤S32具体包括:
步骤S321:初始化初温、马尔科夫链长度和迭代次数;
步骤S322:将网格化的搜索区域定义为解集,以最优轨迹巡逻并发现浓度的位置坐标为初始解,
其中,所述网格化的搜索区域为公共建筑所对应的长方体区域,其在X,Y和Z方向的长度分别为EX,EY和EZ,使用设定边长的正方体网格划分搜索区域,则X,Y和Z方向可划分的网格数Q、U和H分别为:
Q=grid(EX/ec)
U=grid(EY/ec)
H=grid(Ez/ec)
定义解集Sg为:
Sg={S=(q,u,h)|q=1,2,...,Q;u=1,2,...,U;h=1,2,...,H}
步骤S323:在算法迭代所得最优解的领域内随机选择新状态,领域定义为以最优解为中心的W*W个网格范围,其中,新状态产生概率服从正态分布;
步骤S324:飞行传感器随即向领域内的新状态移动,当移动过程中经过其它网格时,判断该其它网格中是否监测到浓度,若为是,则选择该其他网格为新状态,否则继续向目标网格移动;
步骤S325:当飞行传感器到达新状态后继续采样,并计算新状态的目标函数值,判断其是否为优于最优解,若为是,则将当前新状态作为最优解。
所述步骤S324中,所述飞行传感器在向领域新状态移动过程中如遇障碍物,通过防碰撞模块进行主动避让并继续向新状态移动。
所述步骤S4包括:
步骤S41:判断是否2个连续马尔科夫链长度中的最优解无任何变化,若为是,则满足终止条件并输出污染源坐标,反之,则返回步骤S3。
与现有技术相比,本发明具有以下有益效果:
1)本发明将飞行传感器巡逻轨迹优化及主动溯源作为整体考虑,通过有限数量的飞行传感器即可实现对复杂建筑空间及建筑内其它潜在的污染传播通道(如空调风管道系统)的全方位巡逻覆盖,相比于传统的静态传感器布置方案,大幅降低了传感器的数目,提高了传感器的监测范围及有效性。
2)本发明的溯源方法采用模拟退火算法,该方法随机地在每一步所得最优解的邻域内选择新状态,能够跳出局部最优,避免了飞行传感器在复杂建筑空间内将局部涡流的浓度极大值错误地识别为污染源,同时限定了2个马尔科夫长度内的最优解不发生变化即输出污染源位置坐标,提高了搜索效率。
3)本发明针对公共建筑突发污染应急中建筑内所设污染传感器数目有限及监测有效性较低的问题,首次提出对飞行传感器的巡逻路径进行先验优化以替代原有的静态传感器布置方案,通过对飞行传感器的巡逻轨迹进行优化使其能在突发污染发生时的较短时间内探测到浓度羽流并展开追踪,溯源阶段模拟退火算法的运用使搜索能够跳出局部最优值并提高搜索效率,满足公共建筑突发污染快速预警及溯源的需求。
附图说明
图1为本发明的基于飞行传感器巡逻轨迹优化的公共建筑突发污染主动溯源流程示意图;
图2为本发明的飞行传感器结构示意图;
图3为本发明的飞行传感器巡逻轨迹优化过程中改进遗传算法流程示意图;
图4为本发明的飞行传感器主动溯源过程中模拟退火算法流程示意图;
图5为本发明实施例中公共建筑内飞行传感器最优巡逻轨迹示意图;
图6为本发明实施例中基于巡逻轨迹优化的飞行传感器主动溯源过程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
随着机器人技术的飞速发展,使得移动传感器甚至是飞行传感器成为可能,这一类的传感器通过预先规划的行进路线在建筑内部进行主动巡逻,以发现浓度并追踪污染源为目标,组成的移动传感器网络理论上等同于在建筑内安装了N个静态传感器,在浓度发现阶段具有优越性。
而对于污染溯源过程,按获取数据的方式不同,源定位方法主要包括静态传感器网络法及机器人主动探测法。前者将多个传感器安装在建筑内,通过将传感器反馈的浓度及风速数据输入反演模型开展溯源,此种方法要求建筑内的传感器数量足够多且对建筑内部气流场的描述足够精确。而机器人主动探测法主要包括污染分布模型估计的寻源跟踪法及基于湍流信息的污染跟踪法。前者主要利用各类方法估计污染源分布并完成定位,如:污染分布地图法、贝叶斯滤波法等。后者涵盖信息趋向性、流量趋向性及拟生物法等。但现有的机器人主动探测法基本只针对简单工作环境,即二维无障碍空间溯源,对于在实际建筑内复杂环境内开展溯源并未有行之有效的方法;同时对于机器人传感器监测包含噪声,室内环境风速不稳定等因素可能对污染源定位造成的影响,也未给出有效的解决方法。尤其是,尚未有可借鉴的公开技术将飞行传感器巡逻轨迹优化及主动溯源作为整体考虑。巡逻轨迹优化的目标是在突发污染传播过程中尽可能早地发现污染并尽可能地减少污染无法被探测到的情况,而主动溯源则是在飞行传感器发现污染后调用算法在污染羽流内部实现。通过有限数量的飞行传感器即可实现对复杂建筑空间及建筑内其它潜在的污染传播通道(如空调风管道系统)的全方位覆盖,反馈的预警信息及源位置数据为公共建筑在应对此类事件时的应急决策提供理论依据,进而为免疫建筑系统技术体系的完善提供关键支撑。
一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,如图1所示,包括:
步骤S1:构建目标函数以优化飞行传感器在建筑中的先验巡逻轨迹得到最优巡逻轨迹,具体包括:
飞行传感器包括a)计算控制中心(Control Center)、b)无线定位模块(LocationModule)、c)浓度信息监测模块(Detection Module)、d)污染源识别模块(IdentificationModule)、e)防碰撞模块(Anti-collision Module),其结构示意图如图2所示;
步骤S11:按照使飞行传感器在突发污染事件中发现浓度的时间最短,或考虑突发污染的随机性特征,使飞行传感器无法发现浓度的概率最低构建目标函数;
其中,按照使飞行传感器在突发污染事件中发现浓度的时间最短得到的目标函数f1(x)为:
其中:pk为污染源在空间位置k施放的概率,N为所有可能的污染源施放位置的数目,tdet-k为对应的飞行传感器轨迹所需要的监测时间;
按照使飞行传感器无法发现浓度的概率最低的目标函数f2(x)为:
其中:Uk为空间位置k对应的污染事件被传感器监测到与否,监测到取值为0,未监测到为1。
步骤S12:基于构建的目标函数,在通过计算流体力学模型模拟得到的公共建筑随机突发污染浓度场下对N条可能的巡逻轨迹进行寻优,即:先验巡逻轨迹优化指在通过计算流体力学(Computational Fluid Dynamics,CFD)模型模拟得到的公共建筑随机突发污染浓度场下对N条可能的巡逻轨迹(R1,R2,…RN)进行寻优,寻优过程由改进的遗传算法(Improved Genetic Algorithm)实现,如图3所示,具体包括:
步骤S121:将N条随机的巡逻轨迹组成的种群初始化;
步骤S122:计算优化目标函数对应的适应度值;
步骤S123:采用遗传算法(GA)中的交叉与变异操作将所得的各优化目标的解划分为非支配解集,并采用Goldberd排序法对当前子代中的非支配解集排序;
步骤S124:GA算子生成新的种群,并重复步骤S121~S123,最终选择目标函数对应的全局最优解产生下一代巡逻轨迹;
步骤S125:判断是否达到预设代数,若未达到则重复步骤S124,若达到则输出飞行传感器最优巡逻轨迹(Rbest)。
步骤S2:模拟公共建筑突发污染浓度场,飞行传感器在该浓度场中按最优巡逻轨迹探测污染浓度,并在探测发现污染浓度超过设定阈值时执行步骤S3,具体包括:
步骤S21:运用计算流体力学(CFD)模型得到公共建筑中确定的突发污染事件下的各建筑空间浓度场(CF1,CF2,…,CFN);
步骤S22:飞行传感器按最优巡逻轨迹(Rbest)巡逻并利用浓度信息监测模块(Detection Module)探测污染物,当探测污染浓度超过所设定的阈值(Cthre)时表示突发污染已发生,此时飞行传感器发出预警并通过无线定位模块(Location Module)反馈追踪阶段的初始三维坐标(X0,Y0,Z0)),并执行步骤S3。
步骤S3:飞行传感器发现浓度后按模拟退火算法计算的路径溯源,发现浓度后飞行传感器的污染源追踪过程可描述为三维空间的目标函数的最大值搜索过程其最大值理论上位于污染源附近,具体包括:
步骤S31:以对数化后的浓度均值作为模拟退火算法的目标函数:
E=ln(Cμ)
步骤S32:调用模拟退火算法计算飞行传感器的行进路径,如图4所示,具体包括:
步骤S321:初始化初温、马尔科夫链长度和迭代次数;
步骤S322:将网格化的搜索区域定义为解集,以最优轨迹巡逻并发现浓度的位置坐标为初始解,
其中,网格化的搜索区域为公共建筑所对应的长方体区域,其在X,Y和Z方向的长度分别为EX,EY和EZ,使用边长ec的正方体网格划分搜索区域,则X,Y和Z方向可划分的网格数Q、U和H分别为:
Q=grid(EX/ec)
U=grid(EY/ec)
H=grid(Ez/ec)
定义解集Sg为:
Sg={S=(q,u,h)|q=1,2,...,Q;u=1,2,...,U;h=1,2,...,H}
步骤S323:在算法迭代所得最优解的领域(DI)内随机选择新状态,领域定义为以最优解为中心的W*W个网格范围,其中,新状态产生概率服从正态分布;
步骤S324:飞行传感器随即向领域内的新状态移动,当移动过程中经过其它网格时,判断该其它网格中是否监测到浓度,若为是,则选择该其他网格为新状态,否则继续向目标网格移动;
步骤S325:当飞行传感器到达新状态后继续采样,并计算新状态的目标函数值,判断其是否为优于最优解,若为是,则将当前新状态作为最优解。
步骤S324中,飞行传感器在向领域新状态移动过程中如遇障碍物,通过防碰撞模块进行主动避让并继续向新状态移动。
温度衰减函数满足指数衰减规律,其迭代公式如下:
Tp=βTp-1,0<β<1
其中,Tp和Tp-1,分别为p和p-1步的温度,β为降温系数;
马尔科夫链为标准马尔科夫链,其长度Lj等于领域边长W*ec。
步骤S4:判断是否满足终止条件,若满足,则输出污染源坐标,反之,则返回步骤S3,具体的:步骤S41:判断是否2个连续马尔科夫链长度中的最优解Sbest无任何变化,若为是,此时,认为飞行传感器已搜索到空间浓度极大值(Cmax),利用无线定位模块(LocationModule)输出该极大值位置所对应的坐标(Xs,Ys,Zs),则满足终止条件并输出污染源坐标,反之,则返回步骤S3。
本实施例的基于飞行传感器巡逻轨迹优化的公共建筑突发污染主动溯源包括如下步骤:
(1)构建目标公共建筑的三维CFD几何模型,如图5所示,长方体所示区域为目标公共建筑大空间,上方的管道为公共建筑配备的空调通风系统,空调通风系统是其中的常备系统,空调通风系统既有可能成为空气污染的潜在传播通道,也能在事后作为空气污染的排出通道。实际上,空调通风系统包括空调送风系统SA1、第一空调回风系统RA1和第二空调回风系统RA2,其中,空调送风系统SA1的总风量为15800m3/h,第一空调回风系统RA1和第二空调回风系统RA2的总风量均为6300m3/h,空调通风系统至地面的标准高度a为5.0m,目标公共建筑的标准高度b为4.5m。飞行传感器在该空间内存在N条可能的巡逻轨迹,考虑目标函数a:使飞行传感器在突发污染事件中发现浓度的时间最短以及目标函数b:考虑突发污染的随机性特征(对于本实施例,取10种可能的突发污染施放位置),使飞行传感器无法发现浓度的概率最低经改进的遗传算法优化后,最优巡逻轨迹如图5的黑色实线所示,该轨迹经送风系统SA1进入大空间内,并在距地面1.5m的人员呼吸高度上绕大空间巡逻一周后进入回风系统RA2,最终通过回风再循环系统重新进入送风系统SA1形成环路。其中黄色箭头表示飞行传感器的巡逻方向;
(2)如图6所示,在CFD技术模拟的确定突发污染场景下的污染浓度场中,飞行传感器沿最优轨迹巡逻并发现浓度,此时调用模拟退火算法计算路径展开溯源,溯源路径如图6黑色实线所示。对于本实施例,使用边长ec=0.2m的正方体网格划分搜索区域,在算法迭代所得最优解的领域(DI)内随机选择新状态,本实施例的领域定义为以最优解为中心的10*10个网格范围,取模拟退火算法初始温度T0=100℃,温度衰减函数中的降温系数β=0.6,马尔科夫链长度Lj=2;
(3)终止条件取:在2个连续马尔科夫链长度(Lj=4)中的最优解(Sbest)无任何变化,此时,认为飞行传感器已搜索到空间浓度极大值(Cmax),利用无线定位模块(LocationModule)输出该极大值位置所对应的坐标(Xs,Ys,Zs)。
Claims (9)
1.一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,其特征在于,包括:
步骤S1:构建目标函数以优化飞行传感器在建筑中的先验巡逻轨迹得到最优巡逻轨迹;
步骤S2:模拟公共建筑突发污染浓度场,飞行传感器在该浓度场中按最优巡逻轨迹探测污染浓度,并在探测发现污染浓度超过设定阈值时执行步骤S3;
步骤S3:飞行传感器发现浓度后按模拟退火算法计算的路径溯源;
步骤S4:判断是否满足终止条件,若满足,则输出污染源坐标,反之,则返回步骤S3。
2.根据权利要求1所述的一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,其特征在于,所述步骤S1具体包括:
步骤S11:按照使飞行传感器在突发污染事件中发现浓度的时间最短,或考虑突发污染的随机性特征,使飞行传感器无法发现浓度的概率最低构建目标函数;
步骤S12:基于构建的目标函数,在通过计算流体力学模型模拟得到的公共建筑随机突发污染浓度场下对N条可能的巡逻轨迹进行寻优。
3.根据权利要求2所述的一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,其特征在于,所述步骤S11中,按照使飞行传感器在突发污染事件中发现浓度的时间最短得到的目标函数f1(x)为:
其中:pk为污染源在空间位置k施放的概率,N为所有可能的污染源施放位置的数目,tdet-k为对应的飞行传感器轨迹所需要的监测时间;
按照使飞行传感器无法发现浓度的概率最低的目标函数f2(x)为:
其中:Uk为空间位置k对应的污染事件被传感器监测到与否。
4.根据权利要求2所述的一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,其特征在于,所述步骤S12具体包括:
步骤S121:将N条随机的巡逻轨迹组成的种群初始化;
步骤S122:计算所述优化目标函数对应的适应度值;
步骤S123:采用遗传算法中的交叉与变异操作将所得的各优化目标的解划分为非支配解集,并采用Goldberd排序法对当前子代中的非支配解集排序;
步骤S124:生成新的种群,并重复步骤S121~S123,最终选择目标函数对应的全局最优解产生下一代巡逻轨迹;
步骤S125:判断是否达到预设代数,若未达到则重复步骤S124,若达到则输出飞行传感器最优巡逻轨迹。
5.根据权利要求1所述的一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,其特征在于,所述步骤S2具体包括:
步骤S21:运用计算流体力学模型得到公共建筑中确定的突发污染事件下的各建筑空间浓度场;
步骤S22:飞行传感器按最优巡逻轨迹巡逻并探测污染物,当探测污染浓度超过所设定的阈值时表示突发污染已发生,此时飞行传感器发出预警并反馈追踪阶段的初始三维坐标,并执行步骤S3。
6.根据权利要求1所述的一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,其特征在于,所述步骤S3中通过搜索污染浓度最大值所在位置实现路径溯源,具体包括:
步骤S31:以对数化后的浓度均值作为模拟退火算法的目标函数:
E=ln(Cμ)
步骤S32:调用模拟退火算法计算飞行传感器的行进路径。
7.根据权利要求6所述的一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,其特征在于,所述步骤S32具体包括:
步骤S321:初始化初温、马尔科夫链长度和迭代次数;
步骤S322:将网格化的搜索区域定义为解集,以最优轨迹巡逻并发现浓度的位置坐标为初始解,
其中,所述网格化的搜索区域为公共建筑所对应的长方体区域,其在X,Y和Z方向的长度分别为EX,EY和EZ,使用设定边长的正方体网格划分搜索区域,则X,Y和Z方向可划分的网格数Q、U和H分别为:
Q=grid(EX/ec)
U=grid(EY/ec)
H=grid(Ez/ec)
定义解集Sg为:
Sg={S=(q,u,h)|q=1,2,...,Q;u=1,2,...,U;h=1,2,...,H}
步骤S323:在算法迭代所得最优解的领域内随机选择新状态,领域定义为以最优解为中心的W*W个网格范围,其中,新状态产生概率服从正态分布;
步骤S324:飞行传感器随即向领域内的新状态移动,当移动过程中经过其它网格时,判断该其它网格中是否监测到浓度,若为是,则选择该其他网格为新状态,否则继续向目标网格移动;
步骤S325:当飞行传感器到达新状态后继续采样,并计算新状态的目标函数值,判断其是否为优于最优解,若为是,则将当前新状态作为最优解。
8.根据权利要求7所述的一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,其特征在于,所述步骤S324中,所述飞行传感器在向领域新状态移动过程中如遇障碍物,通过防碰撞模块进行主动避让并继续向新状态移动。
9.根据权利要求7所述的一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法,其特征在于,所述步骤S4包括:
步骤S41:判断是否2个连续马尔科夫链长度中的最优解无任何变化,若为是,则满足终止条件并输出污染源坐标,反之,则返回步骤S3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910131930.3A CN109902374B (zh) | 2019-02-22 | 2019-02-22 | 一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910131930.3A CN109902374B (zh) | 2019-02-22 | 2019-02-22 | 一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109902374A true CN109902374A (zh) | 2019-06-18 |
CN109902374B CN109902374B (zh) | 2021-03-09 |
Family
ID=66945275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910131930.3A Active CN109902374B (zh) | 2019-02-22 | 2019-02-22 | 一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109902374B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414075A (zh) * | 2019-07-07 | 2019-11-05 | 中国石油大学(华东) | 一种基于cfd针对城市矛盾区域的优化选址的反演计算方法 |
CN110738706A (zh) * | 2019-09-17 | 2020-01-31 | 杭州电子科技大学 | 一种基于航迹推测的快速机器人视觉定位方法 |
CN111062091A (zh) * | 2019-12-25 | 2020-04-24 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞机全系统参数量值溯源链模型构建方法 |
CN113624915A (zh) * | 2021-07-01 | 2021-11-09 | 同济大学 | 一种室内突发空气污染预警传感器布置优化方法 |
CN113811765A (zh) * | 2019-07-26 | 2021-12-17 | 科伦塔有限公司 | 用于监测区域的质量和确定区域的污染的方法和装置 |
CN114755373A (zh) * | 2022-06-16 | 2022-07-15 | 西安工业大学 | 一种基于多机器人编队的空气污染源预警定位方法 |
CN116385030A (zh) * | 2023-06-06 | 2023-07-04 | 北京农夫铺子技术研究院 | 一种基于区块链的溯源方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203439256U (zh) * | 2013-09-06 | 2014-02-19 | 中科宇图天下科技有限公司 | 用于污染气体监测与溯源的多旋翼无人飞行器 |
CN107025496A (zh) * | 2017-03-08 | 2017-08-08 | 同济大学 | 一种集中空调风系统突发污染分布检测点的优化布置方法 |
CN108319788A (zh) * | 2018-02-06 | 2018-07-24 | 重庆大学 | 一种识别雨水管网污水直排污染源的方法 |
-
2019
- 2019-02-22 CN CN201910131930.3A patent/CN109902374B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203439256U (zh) * | 2013-09-06 | 2014-02-19 | 中科宇图天下科技有限公司 | 用于污染气体监测与溯源的多旋翼无人飞行器 |
CN107025496A (zh) * | 2017-03-08 | 2017-08-08 | 同济大学 | 一种集中空调风系统突发污染分布检测点的优化布置方法 |
CN108319788A (zh) * | 2018-02-06 | 2018-07-24 | 重庆大学 | 一种识别雨水管网污水直排污染源的方法 |
Non-Patent Citations (3)
Title |
---|
JUNGAO等: "Multi-objective optimization for sensor placement against suddenly released contaminant in air duct system", 《BUILD SIMUL》 * |
曾令杰等: "空调风系统突发污染监测传感器优化布置分析", 《哈尔滨工业大学学报》 * |
陈瑶: "变电站智能巡检机器人全局路径规划设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414075A (zh) * | 2019-07-07 | 2019-11-05 | 中国石油大学(华东) | 一种基于cfd针对城市矛盾区域的优化选址的反演计算方法 |
CN110414075B (zh) * | 2019-07-07 | 2022-11-11 | 中国石油大学(华东) | 一种基于cfd针对城市矛盾区域的优化选址的反演计算方法 |
CN113811765A (zh) * | 2019-07-26 | 2021-12-17 | 科伦塔有限公司 | 用于监测区域的质量和确定区域的污染的方法和装置 |
CN110738706A (zh) * | 2019-09-17 | 2020-01-31 | 杭州电子科技大学 | 一种基于航迹推测的快速机器人视觉定位方法 |
CN110738706B (zh) * | 2019-09-17 | 2022-03-29 | 杭州电子科技大学 | 一种基于航迹推测的快速机器人视觉定位方法 |
CN111062091A (zh) * | 2019-12-25 | 2020-04-24 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞机全系统参数量值溯源链模型构建方法 |
CN111062091B (zh) * | 2019-12-25 | 2023-05-23 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞机全系统参数量值溯源链模型构建方法 |
CN113624915A (zh) * | 2021-07-01 | 2021-11-09 | 同济大学 | 一种室内突发空气污染预警传感器布置优化方法 |
CN114755373A (zh) * | 2022-06-16 | 2022-07-15 | 西安工业大学 | 一种基于多机器人编队的空气污染源预警定位方法 |
CN116385030A (zh) * | 2023-06-06 | 2023-07-04 | 北京农夫铺子技术研究院 | 一种基于区块链的溯源方法 |
CN116385030B (zh) * | 2023-06-06 | 2023-09-15 | 北京农夫铺子技术研究院 | 一种基于区块链的溯源方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109902374B (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902374A (zh) | 一种基于飞行传感器巡逻轨迹优化的突发污染溯源方法 | |
WO2019213998A1 (zh) | 一种自动寻源式的室内污染净化去除装置及方法 | |
Zarzhitsky et al. | Distributed robotics approach to chemical plume tracing | |
Zarzhitsky et al. | Swarms for chemical plume tracing | |
Chang et al. | Sensor placement algorithms for fusion-based surveillance networks | |
Marjovi et al. | Swarm robotic plume tracking for intermittent and time-variant odor dispersion | |
CN108724188B (zh) | 一种多机器人协同运动控制方法 | |
Zhao et al. | A path planning method based on multi-objective cauchy mutation cat swarm optimization algorithm for navigation system of intelligent patrol car | |
CN103630698A (zh) | 一种模仿动物嗅觉器官结构的立体电子鼻 | |
Ma et al. | Location of natural gas leakage sources on offshore platform by a multi-robot system using particle swarm optimization algorithm | |
CN114755373B (zh) | 一种基于多机器人编队的空气污染源预警定位方法 | |
Liu et al. | Gas diffusion model based on an improved Gaussian plume model for inverse calculations of the source strength | |
Che et al. | Research on improved ACO algorithm-based multi-robot odor source localization | |
Kowadlo et al. | Improving the robustness of naive physics airflow mapping, using Bayesian reasoning on a multiple hypothesis tree | |
CN105204511A (zh) | 一种物体自主移动的决策方法 | |
CN114154383A (zh) | 基于认知搜索策略的多机器人源搜索方案生成方法及系统 | |
Li et al. | Probability-PSO algorithm for multi-robot based odor source localization in ventilated indoor environments | |
Zarzhitsky et al. | Swarm approach to chemical source localization | |
Yang et al. | UAV-based odor source localization in multi-building environments using simulated annealing algorithm | |
Jatmiko et al. | A mobile robots PSO-based for odor source localization in dynamic advection-diffusion environment | |
Liu et al. | A simulation framework for plume-tracing research | |
CN110443365B (zh) | 一种基于增强拓扑神经演化算法的二维污染源定位方法 | |
CN116341231A (zh) | 人工增雨催化剂扩散轨迹的模拟方法、装置、服务器和存储介质 | |
Yadav et al. | Q-Learning based optimized localization in WSN | |
Christopoulos et al. | Multi robot trajectory generation for single source explosion parameter estimation |
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 |