基于信息熵算法的多机器人主动嗅觉

论文摘要

主动嗅觉的目标是利用移动机器人及其传感系统探测并最终确认环境中某种气味/气体的源头,在危险环境探索、灾难营救、有毒有害气体泄漏源查找等诸多方面均有着潜在的应用前景。在搜索策略上,主要是基于浓度梯度搜索(也即化学趋向性)和逆风搜索(也即风趋向性)。在湍流、低浓度的情况下,烟羽不连续且分散成零星的气味包,这些搜索策略的效果并不理想。本文采用了基于信息梯度搜索(也即信息趋向性),并使用多机器人分布式搜索的策略,提高了气味源定位的效率和成功率。本文围绕主动嗅觉实现策略问题,具体展开了如下几个方面的研究工作:1.总结了当前最新的机器人主动嗅觉的研究现状,尤其是基于群体智能的方法的研究成果,分析了问题的实质、难点和重点,寻找新的实现策略。2.校正室内广角摄像头并设计机器人标识,为多机器人系统提供了实时、精确的定位。3.介绍了信息熵算法的基本原理和在此基础上的主动嗅觉研究,提出了改进的信息熵算法和基于信息熵的PSO搜索算法,并编写了相应的仿真环境。4.给出了上述算法的在仿真环境下的结果,并进行了分析。5.总结了多机器人主动嗅觉实现问题,对前景进行了分析和展望。

论文目录

• 摘要
• ABSTRACT
• 目录
• 图表目录
• 第一章 绪论
• 1.1 引言
• 1.2 主动嗅觉搜索策略
• 1.2.1 气体/气味分子分布特性
• 1.2.2 烟羽发现与跟踪
• 1.3 基于群体智能的搜索策略
• 1.4 本文主要研究内容
• 第二章 嗅觉机器人视觉定位系统
• 2.1 摄像头畸变校正
• 2.1.1 摄像头畸变原理
• 2.1.2 摄像机标定方法
• 2.1.3 实验方法
• 2.2 机器人识别
• 2.2.1 机器人标识设计
• 2.2.2 辨识算法
• 2.2.3 系统误差分析及结论
• 2.3 本章小结
• 第三章 基于信息熵的搜索算法和仿真平台
• 3.1 基本的信息熵搜索算法
• 3.1.1 信息熵
• 3.1.2 算法主要步骤
• 3.1.3 仿真结果与分析
• 3.2 改进的信息熵搜索算法
• 3.3 基本的PSO 算法
• 3.4 基于PSO 的信息熵搜索算法
• 3.5 仿真平台
• 3.5.1 平台简介
• 3.5.2 烟羽分析与仿真
• 3.5.3 机器人运动学分析与仿真
• 3.6 本章小结
• 第四章 仿真结果分析与结论
• 4.1 基于静态烟羽环境的仿真结果
• 4.1.1 基本的信息熵算法的搜索策略
• 4.1.2 改进的信息熵算法与基本算法的性能比较
• 4.1.3 基于PSO 的信息熵搜索策略
• 4.2 基于动态烟羽环境的仿真结果
• 4.2.1 基于基本PSO 的搜索策略
• 4.2.2 基于PSO 的信息熵搜索策略
• 4.3 Exploration 与Exploitation 平衡分析
• 4.4 本章小结
• 第五章 总结与展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢