畢業(yè)論文--基于cfd理論的機器人主動嗅覺定位技術(shù)研究

1、<p><b>　　本科畢業(yè)設(shè)計</b></p><p><b>　　摘 要</b></p><p>　　移動機器人主動嗅覺定位技術(shù)的研究起源于上個世紀 90 年代歐美和日本一些發(fā)達的國家，距今只有十幾年的歷史，但受到了廣大專家和學者的關(guān)注。它集成了智能技術(shù)﹑傳感器及信息處理技術(shù)﹑仿生學﹑控制科學、計算機科學﹑流體力學等多種學科的

2、知識。</p><p>　　本文圍繞室內(nèi)環(huán)境下移動機器人主動嗅覺定位問題，具體展開了以下幾個方面的研究工作：</p><p>　　首先，從選題背景與意義對國內(nèi)外的相關(guān)研究進行了綜述和分析，并闡述了國內(nèi)外主動嗅覺機器人定位研究現(xiàn)狀以及面臨的問題。</p><p>　　其次，介紹了主動嗅覺的三個子過程（煙羽發(fā)現(xiàn)，追蹤及氣味源的確認）以及基于湍流主控單機器人的主動嗅覺定位

3、的策略（化學趨向性、風趨向性、信息熵）。</p><p>　　再次，介紹氣體泄漏擴散的模擬方法和Fluent軟件進行數(shù)值模擬的過程和基本原理以及應用Fluent軟件對主動嗅覺機器人定位的室內(nèi)環(huán)境進行數(shù)值模擬，并輸出動態(tài)的泄漏氣體的煙羽濃度分布圖及數(shù)據(jù)值。</p><p>　　最后，介紹煙羽函數(shù)未知時的搜尋策略。本文選用了半隨機移動法的搜索策略，在Matlab中編寫M函數(shù)文件，將泄漏氣體的煙

4、羽數(shù)據(jù)值導入Matlab中，實現(xiàn)Matlab移動機器人與煙羽數(shù)據(jù)結(jié)合，并模擬出機器人尋找泄漏源的路徑。</p><p>　　關(guān)鍵詞： 機器人； 嗅覺定位策略； 半隨機移動法；</p><p><b>　　ABSTRACT</b></p><p>　　Research on mobile robot localization technology

5、 of active olfaction has originated in the developed country such as Europe, the United States and Japan in the 1990’s, although only has history more than ten years, majority of experts and scholars pay much attention t

6、o it. The active odor integrates the knowledge of multiple disciplines such as intelligence technology,sensor and information processing technology, bionics, control science, computer science as well as hydrodynamics. &l

7、t;/p><p>　　This issure studies on the mobile robot localization technology of active olfaction in the indoor environment, carried out research in the following areas:</p><p>　　First, the background

8、 and significance of research were summarized and analyzed and describing the current situation of mobile robot localization of active olfaction at home and abroad and the problems faced.</p><p>　　Secondly,

9、introducing the three sub-processes of active olfaction( plume finding ,plume tracking and odor source confirmation ) and a single robot of active olfaction localization strategy based on turbulent ( chemotaxis , wind te

10、ndency , information entropy ) .</p><p>　　Again, introducing the simulation methods of gas leakage and diffusion and the process of Fluent simulation and the basic principles and applying Fluent to simulate

11、 the indoor environment of mobile robot localization of active olfaction and outputing dynamic concentration distribution of leakage gas plume and data values.</p><p>　　Finally, describing the search strate

12、gy of unknown plume function . This issure select the semi-random search strategy .By writing M functions document in Matlab , the data values of the leakage of gas plume is imported into Matlab and data values combined

13、 with Matlab mobile robots and simulating robot path of find ing the source of the leak .</p><p>　　Key word: robot; active olfaction; semi-random algorithm</p><p><b>　　目 錄</b>&

14、lt;/p><p><b>　　1 緒論1</b></p><p>　　1.1 主動嗅覺的提出與研究意義1</p><p>　　1.2 主動嗅覺的研究現(xiàn)狀2</p><p>　　1.2.1 國外研究現(xiàn)狀2</p><p>　　1.2.2 國內(nèi)研究現(xiàn)狀4</p><

15、;p>　　1.3 主動嗅覺研究面臨的問題4</p><p>　　1.3.1 氣味/氣體分子分布特性4</p><p>　　1.3.2 氣味/氣體傳感器5</p><p>　　1.4 本論文研究的內(nèi)容5</p><p>　　2 主動嗅覺定位策略7</p><p>　　2.1 氣味傳播的三種方式

16、7</p><p><b>　　2.2 煙羽7</b></p><p>　　2.2.1 煙羽的定義7</p><p>　　2.2.2 煙羽在湍流環(huán)境中的特點7</p><p>　　2.3 主動嗅覺8</p><p>　　2.3.1 主動嗅覺定義8</p><

17、p>　　2.3.2 主動嗅覺的三個子任務8</p><p>　　2.4 基于湍流主控環(huán)境下單機器人嗅覺定位策略9</p><p>　　2.4.1 化學趨向性9</p><p>　　2.4.2 風向趨向性9</p><p>　　2.4.3 信息趨向性10</p><p>　　3 基于Fluen

18、t軟件室內(nèi)環(huán)境的數(shù)值模擬11</p><p>　　3.1 氣體泄漏擴散的模擬方法11</p><p>　　3.1.1 物理模擬方法11</p><p>　　3.1.2 數(shù)學模擬方法11</p><p>　　3.1.3 CFD 數(shù)值模擬方法12</p><p>　　3.2 Fluent 軟件介紹12

19、</p><p>　　3.2.1 Fluent 用于氣體泄漏擴散的適用性13</p><p>　　3.3 天然氣泄漏的仿真過程13</p><p>　　3.3.1 天然氣泄漏擴散模型13</p><p>　　3.3.2 基本控制方程15</p><p>　　3.3.3 Fluent 數(shù)值計算17&l

20、t;/p><p>　　4 機器人移動路徑的模擬21</p><p>　　4.1 煙羽函數(shù)未知時的搜尋策略21</p><p>　　4.1.1 半隨機移動法21</p><p>　　4.1.2 濃度梯度追蹤法22</p><p>　　4.1.3 逆風搜尋法22</p><p>　　

21、4.1.4 多傳感器的方向控制法23</p><p>　　4.2 基于半隨機法的氣味源定位Matlab仿真24</p><p>　　4.2.1 煙羽數(shù)據(jù)和移動機器人的結(jié)合24</p><p>　　4.2.2 控制算法24</p><p>　　5 結(jié)論與展望28</p><p>　　5.1 主要結(jié)論

22、28</p><p>　　5.2 展望28</p><p><b>　　參考文獻30</b></p><p><b>　　致 謝32</b></p><p><b>　　1 緒論</b></p><p>　　1.1 主動嗅覺的提出與研究意義

23、</p><p>　　隨著機器人技術(shù)的發(fā)展，機器人的應用領(lǐng)域越來越廣。人們對機器人的智能程度要求也越來越高，要求機器人不僅能夠在生產(chǎn)車間環(huán)境下完成大規(guī)模的裝配任務，而且還能夠在室內(nèi)外感知環(huán)境并完成復雜的任務。因此對機器人感知能力的研究愈顯得重要?，F(xiàn)在對機器人的感知能力的研究主要集中在觸覺、視覺和聽覺，出現(xiàn)了不少能看的、能聽的甚至能說話的機器人。但是對機器人的嗅覺的研究和應用則相對較少[1]。</p>

24、<p>　　在動物漫長的進化過程中，嗅覺作為最原始的感覺功能之一，一直伴隨著動物的進化而發(fā)展，嗅覺是許多動物賴以生存的最重要的本領(lǐng)[2]。對于動物來講，嗅覺不僅僅用于捕食，在尋找伙伴、交配、標定領(lǐng)土、識別家庭成員、避免天敵攻擊等方面也起著決定性作用。例如雄蛾利用觸角在數(shù)百米外就可以嗅到雌蛾釋放出的一種信息素，從而通過跟蹤信息素準確的確定雌蛾的具體位置[3]。嚙齒動物和犬科動物可以靠嗅覺找回貯藏的食物[4]，海洋中的甲殼類動物

25、通過氣味來尋找食物[5]。近年來，受到生物氣味定位的啟發(fā)，一些學者開始研究如何將氣味/氣體跟蹤、定位與移動機器人技術(shù)相結(jié)合，通過使用移動機器人來“主動”地發(fā)現(xiàn)、跟蹤并確定氣味/氣體的源頭，即所謂的主動嗅覺問題。移動機器人主動嗅覺定位技術(shù)在環(huán)境監(jiān)測﹑違禁物品檢查和大型工廠倉庫保安等方面，可以主動對目標化學物質(zhì)感知并確定其位置，這比一般的被動感知系統(tǒng)要有效的多，而主動嗅覺定位技術(shù)就是基于這種需要而展開研究的。</p><

26、p>　　移動機器人主動嗅覺定位技術(shù)的研究始于二十世紀九十年代，歐美和日本等許多發(fā)達國家的科研團隊都對氣味源定位進行了較為深入的研究。利用移動機器人和氣體傳感器實現(xiàn)氣味源定位(gas/odor source localization)已經(jīng)成為了一個研究熱點。目前，對機器人嗅覺定位的研究，不僅僅局限于對空氣中的氣味源進行定位，還擴展到了對水下和地下的氣味源跟蹤定位。所采用的機器人類型也趨于多樣化，除了普通的輪式移動機器人外，還有仿生機

27、器人，如機器螞蟻、機器飛蛾、機器龍蝦等。主動嗅覺是一門交叉學科，涉及到如機器人學、生物學、人工智能、傳感器及信息處理技術(shù)、計算機科學、流體力學等眾多學科。本文研究的具有主動嗅覺定位功能的機器人具有潛在的應用前景，能夠從事與氣味相關(guān)的個領(lǐng)域的工作，應用面非常廣泛。在國家安全方面，尋找未爆炸的地雷等[6]，探測未知區(qū)域，災難中搜尋傷員[7]，探測或估算污染氣體的擴散區(qū)域[8]，在社會治安方面，可以代替保安巡邏，完成有毒氣體檢測、尋找毒氣源[

28、9]、火災源等工作；在工業(yè)生產(chǎn)中，可以檢測各類危險化學物質(zhì)存儲容器或輸送管道的泄漏情況并進行修補[10]，此外還可以進行探礦工作。</p><p>　　1.2 主動嗅覺的研究現(xiàn)狀</p><p>　　1.2.1 國外研究現(xiàn)狀</p><p>　　日本東京工業(yè)大學的Ishida 和他的同事自1992年便開始了對嗅覺定位問題的研究，陸續(xù)提出了仿飛蛾的仿生嗅覺搜索策略

29、、濃度梯度搜索策略、逆風搜索、利用多傳感器味源搜索策略等. 他們從飛蛾的行為中獲得靈感，采用4 個氣體傳感器（TGS822，F(xiàn)igaro）和4 個風速傳感器（F6201,Shibaura Electronics）制成氣味方向探測裝置，充分利用氣味信息和風向信息完成氣味搜索。1997 年，Ishida 利用帶有氣體傳感器的移動機器人研究二維氣體地圖，即繪制氣體的濃度分布圖，根據(jù)湍流擴散理論得出一個相對簡單的方程去描述特定環(huán)境下的隨時間變化

30、的平均氣體的濃度。并初步探討了氣源的空間位置對氣體濃度分布的影響，提出了主動嗅覺（active odor sensing）的概念。2002 年，Ishida 開發(fā)了第二代煙羽跟蹤機器人－GaPTR-Ⅱ（Gas Plum Tracking RobotⅡ），仍采用與以往相同類型的氣體傳感器和風向傳感器，但改變了安裝位置。 2004 年Ishida 還用一個三維氣源定位探測器進行了三維空間的氣源定位。該探測器利用6個氣體傳感器和兩個風向傳感器

31、確</p><p>　　1.2.2 國內(nèi)研究現(xiàn)狀</p><p>　　國內(nèi)進行機器人嗅覺研究的較少。天津大學孟慶浩[13]教授較早地開展了該領(lǐng)域內(nèi)的研究工作，于2007年提出了基于進化梯度搜索的多機器人搜尋味源的算法，仿真結(jié)果驗證了此法在時變氣態(tài)流體環(huán)境下對氣味/氣體源定位的有效性。 此外，在群機器人協(xié)同法仿生嗅覺跟蹤算法方面，孟慶浩教授等[14]將蟻群算法與逆風搜索相結(jié)合用于協(xié)調(diào)多機器

32、人的運動方向，并在源頭確認方面，提出了氣味氣體濃度持久性判斷結(jié)合機器人旋轉(zhuǎn)計算流體質(zhì)量通量散度的方法. 仿真表明，該搜索策略可適用于湍流煙羽環(huán)境，且可有效地逃脫濃度局部最優(yōu)和風場的漩渦而最終確認味源位置. 并提出了基于概率粒子群優(yōu)化算法的機器人味源定位算法，仿真及實驗結(jié)果表明，在自然室內(nèi)環(huán)境中，多機器人系統(tǒng)利用該算法能較快速地找到味源.</p><p>　　中科院電子學研究所的梁亮等[15]提出了基于單純形的格形

33、搜索算法，進行了仿真和實驗檢驗。 該算法以單純形搜索法為理論基礎(chǔ)，將味源定位問題看作函數(shù)尋優(yōu)問題，充分利用了濃度梯度信息，并且降低了對控制精度的要求。通過仿真對比了瞬時濃度梯度法和基于單純形的格形搜索法，結(jié)果表明，基于單純形的格形搜索法成功率更高.哈爾濱工業(yè)大學的徐保港等提出了類似于仿生細菌的趨化性的半隨機移動法。半隨機移動法可以提高成功率，降低時耗，而占用的存儲空間也很小. 利用實驗裝置采集了傳感器陣列的定量輸出信號，根據(jù)BP神經(jīng)網(wǎng)絡(luò)

34、的相關(guān)理論，利用樣本信號對網(wǎng)絡(luò)進行了訓練和驗證，結(jié)果基本滿足要求；隨后根據(jù)網(wǎng)絡(luò)各層的權(quán)值和閾值，將網(wǎng)絡(luò)移植到單片機中。 最后選用機械本體和硬件系統(tǒng)組合，構(gòu)建了嗅覺機器人系統(tǒng)，并根據(jù)半隨機搜尋策略編制了軟件，驗證了算法的有效性。</p><p>　　1.3 主動嗅覺研究面臨的問題</p><p>　　1.3.1 氣味/氣體分子分布特性</p><p>　　由于氣味

35、/氣體分子的擴散速度通常比風速要慢得多，所以在無風或微風的情況下主要是空氣湍流決定煙羽的結(jié)構(gòu)。在風速穩(wěn)定和比較高的情況下，會產(chǎn)生比較穩(wěn)定的煙羽；否則， 煙羽不穩(wěn)定甚至無法形成煙羽. 實際上, 在真實環(huán)境中煙羽結(jié)構(gòu)十分復雜。由于氣味/氣體分子的分布被湍流所擾亂，所以煙羽隨機地彎曲，導致形狀變得不規(guī)則. 因而, 使用傳感器檢測到的氣體濃度發(fā)生很大的波動。另外氣味/氣體被分離成不可預測的路徑，在距離氣味/氣體源頭比較遠的情況下，濃度梯度是非常

36、小的, 所以簡單的梯度跟隨是無效的. 只能在簡化的特殊環(huán)境下，通過湍流傳播理論描述時間平均的氣體分布, 可得到相對簡單的方程. 例如Ishida等采用以下湍流擴散方程來近似煙羽的分布:</p><p>　　式中假設(shè)坐標系的原點為氣味/氣體源的位置; x 軸的正向為下風向的方向; c( x, y, z )代表點( x, y, z )的平均濃度; q 為氣體散發(fā)速率; K 為湍流擴散系數(shù); U代表風速;。</p

37、><p>　　由于不同位置的氣味/氣體源可以產(chǎn)生相同的信號，這就導致了傳感器模式不可預測地變化，所以定位不能只用當前傳感器的讀取值，還需要過去的值。 在真實環(huán)境中，濃度梯度分布不是一致的. 一般情況下，由于時間等原因，通常濃度最大的地方不是氣味/氣體源頭，而局部最大值分布最密的地方離源頭越近。由于室外環(huán)境下風場的高度波動, 因此目前的氣味/氣體搜索研究主要集中在室內(nèi)環(huán)境下進行。</p><p>

38、;　　1.3.2 氣味/氣體傳感器</p><p>　　金屬氧化物傳感器由于價格低廉、靈敏度高和受環(huán)境條件影響較小等優(yōu)點, 是目前主動嗅覺研究的主要氣味/氣體傳感器.但此種傳感器也存在著如下一些問題.難以區(qū)分近似氣體:目前的金屬氧化物傳感器不能區(qū)別相似的氣體(如TGS822 對乙醇、甲烷、苯、一氧化碳和丙酮等均具有相似的輸出), 因此很難跟蹤一種指定的氣體.缺乏準確可靠的傳感器模型: 很難建立傳感器和環(huán)境系統(tǒng)之

39、間準確的解析模型, 原因是氣味/氣體傳播的混沌特性和傳感器讀數(shù)的噪聲, 動態(tài)的傳感器模型的建立就更困難. 為了分析金屬氧化物傳感器的瞬態(tài)響應,Ishida等嘗試用二階線性系統(tǒng)來描述傳感器的動態(tài)特性. 由于恢復時間一般比響應時間長很多, 因此他們使用兩個二階線性模型分別描述響應特性和恢復特性, 取得了一定的效果.信號時延: 金屬氧化物傳感器的反應及恢復時間較長, 因此在實時操作過程中, 很難假設(shè)先后的各個傳感器讀數(shù)是條件獨立的。Ishid

40、a和Nakayama提出了一種折中的速度慢但靈敏度和魯棒性好的氣體傳感器信號處理算法。此算法的特點是通過監(jiān)測傳感器輸出的相對變化來判斷響應及恢復的開始時刻。一旦監(jiān)測到傳感器的響應則迅速啟動逆風向的煙羽跟</p><p>　　1.4 本論文研究的內(nèi)容</p><p>　　在室內(nèi)微風條件下，基于計算流體力學應用Fluent軟件模擬了二維的天然氣泄漏的濃度分布圖。然后應用Matlab模擬機器人

41、搜索泄漏源的路徑。</p><p>　　第一章：介紹了研究主動嗅覺機器人的目的及意義、國外和國內(nèi)研究的狀況、主動嗅覺研究面臨的難題及本課題研究的內(nèi)容和方法。</p><p>　　第二章：介紹氣味煙羽的形成、主動嗅覺的三個子過程以及基于湍流主控環(huán)境下單機器人嗅覺定位策略（化學趨向性、風趨向性、信息熵）。</p><p>　　第三章：介紹氣體泄漏擴散的模擬方法和Flue

42、nt軟件進行數(shù)值模擬的過程和基本原理以及應用Fluent軟件對主動嗅覺機器人定位的室內(nèi)環(huán)境進行數(shù)值模擬，并求輸出動態(tài)的泄漏氣體的煙羽濃度分布圖及數(shù)據(jù)值。</p><p>　　第四章：在煙羽函數(shù)未知的情況下，介紹了幾種基于仿生學的主動嗅覺定位策略以及本文采用的基于受生物化學趨向啟發(fā)的半隨機法，并在Matlab中模擬機器人尋找泄漏源的路徑。</p><p>　　第五章：對全文進行總結(jié)、展望。&

43、lt;/p><p>　　2 主動嗅覺定位策略</p><p>　　2.1 氣味傳播的三種方式</p><p>　　擴散過程包括兩部分：一是分子自身的擴散：另一個是湍流造成的湍流擴散。氣體分子自身擴散的速度是極慢的，在25℃、一個標準大氣壓下擴散系數(shù)為0.119cm2／s，折算為擴散速度20.7cm／s。</p><p>　　擴散主控主要指分子擴

44、散成為氣味傳播的主要方式，如地下等。在擴散主控環(huán)境里，由于沒有湍流的作用，分子擴散成為氣味傳播的決定因素，因此簡單的梯度搜索即可以趨近氣味源。</p><p>　　湍流主控指湍流主要控制氣味傳輸，分子擴散可以忽略，且現(xiàn)有的風向傳感器可以檢測到比較準確的值，如一般的室外環(huán)境和通風的室內(nèi)環(huán)境。</p><p>　　湍流主控微弱流體指氣味同樣主要受到湍流控制，但現(xiàn)有的風向傳感器無法得到可靠的數(shù)據(jù)

45、(小于5 cm／s)，如封閉的室內(nèi)環(huán)境沒有同外界進行流體交換，而是通過溫差產(chǎn)生微弱對流。</p><p>　　2.2 煙羽 </p><p>　　2.2.1 煙羽的定義</p><p>　　氣味被氣源釋放后，氣體分子在氣流的作用下，以團狀( package of odorant)的形式擴散和傳播，而這些團狀的氣體分子在空氣中運動的軌跡猶如羽毛般，于是羽毛般的

46、運動軌跡稱為“煙羽”，因此氣味追蹤又稱為氣味煙羽追蹤。</p><p>　　圖2.1　給出了一個在風洞中通過四氯化鈦煙塵可視化的煙羽.</p><p>　　2.2.2 煙羽在湍流環(huán)境中的特點</p><p>　　在自然環(huán)境下釋放的氣體分子在風的作用下形成煙羽。典型的煙羽會隨著下風的方向形成圓錐形的輪廓。煙羽的長度主要由水平對流現(xiàn)象決定，煙羽的橫向傳播主要由湍流決定

47、。在湍流環(huán)境中，當煙羽遠離氣味源時，由于擴散會變得越來越稀薄。由于湍流的混沌特性，導致煙羽隨機的彎曲，形狀變的不規(guī)則。因而，使用傳感器檢測到的氣體濃度發(fā)生很大的波動。另外，氣體被分離成不可預測的路徑，在距離氣味源頭比較遠的情況下，濃度梯度是非常小的。只能在簡化的特殊環(huán)境下，通過湍流傳播理論描述平均時間的氣體分布，可得到相對簡單的基于高斯分布的方程。湍流擴散在邊界層表現(xiàn)為不同尺度的漩渦．小尺度潢渦將氣味煙羽“撕”成很多細絲(filamen

48、ts)從而導致煙羽內(nèi)部濃度的振蕩，而大尺度漩渦導致整個煙羽蜿蜒曲折。湍流環(huán)境中由于煙羽結(jié)構(gòu)十分復雜，梯度搜索無法找到氣味源，而需要更為復雜的搜索策略，在湍流環(huán)境下的氣味源定位研究更具有挑戰(zhàn)。</p><p><b>　　2.3 主動嗅覺</b></p><p>　　2.3.1 主動嗅覺定義</p><p>　　很多生物利用氣味信息完成求偶、

49、覓食和信息交流等活動。受到這一啟發(fā)，一些學者自上世紀90年代開始嘗試采用移動機器人結(jié)合氣體傳感器等器件模擬自然生物的這一功能。國外將此研究稱為化學煙羽跟蹤或氣味源定位，國內(nèi)將機器人利用機載的傳感器結(jié)合適當?shù)乃阉鞑呗酝瓿蓺馕稛熡鸬陌l(fā)現(xiàn)、跟蹤和最終確認氣味源的整個過程稱為機器人主動嗅覺。</p><p>　　2.3.2 主動嗅覺的三個子任務</p><p>　　煙羽發(fā)現(xiàn)是機器人在搜尋開始或長

50、時間沒能測得氣味信息時使用的某種路徑或運動規(guī)劃，以使機器人盡快接觸氣味煙羽。</p><p>　　煙羽跟蹤是機器人在已經(jīng)發(fā)現(xiàn)氣味煙羽情況下所進行的機器人路徑或運動規(guī)劃，以使機器人高效、快速地接近氣味源。</p><p>　　煙羽在發(fā)現(xiàn)過程是由于環(huán)境流體的湍動會導致煙羽的不規(guī)則和間歇等特性，機器人即使已經(jīng)處于煙羽的掃掠范圍內(nèi)，也不是每次一定能夠測到氣味信息。因此，在煙羽跟蹤的過程中，很可能會

51、發(fā)生丟失煙羽的情況，這時需要借助已知的一些煙羽先驗信息，再次發(fā)現(xiàn)煙羽并進行跟蹤。</p><p>　　煙羽發(fā)現(xiàn)和再發(fā)現(xiàn)之間的共同點在于，兩者均是在當前一段時間內(nèi)沒有檢測到氣味信息的情況下為了找到煙羽而進行的搜索；不同點在于，煙羽發(fā)現(xiàn)用于氣味信息完全未知的情況，而煙羽再發(fā)現(xiàn)則用于存在一定煙羽先驗信息的情況，如機器人曾在某處測得過一次氣味信息。</p><p>　　氣味源確認則是機器人如何判斷

52、自己是否已經(jīng)找到氣味源并指出其位置的過程。</p><p>　　2.4 基于湍流主控環(huán)境下單機器人嗅覺定位策略</p><p>　　2.4.1 化學趨向性</p><p>　　所謂化學趨向性，指生物依靠所獲信息素的濃度梯度到達氣味源。針對氣味源定位問題，化學趨向性通常指機器人利用不同位置的濃度測量值計算出濃度梯度，然后僅根據(jù)濃度梯度來向氣味源接近的過程。目前文獻

53、中包括幾種具有代表性的算法：Braitenberg算法、E.coli算法、Ishida的基于飛艇算法。Braitenberg算法所謂Braitenberg類型，是指采用直接的傳感器電機(sensor-motor)反應導航方式。</p><p>　　在煙羽跟蹤過程中，Braitenberg算法主要指傳感器和車輪之間可以通過抑制的交叉耦合(cross．coupling)或者刺激性的同向連接，使機器人傾向濃度高的方向運

54、動。Russelll321、Sandini、Kuwana、Kazadit、Farah和Duckett、Grasso分別作了相關(guān)改進和實驗。Lilienthal和Duckett在室內(nèi)封閉環(huán)境內(nèi)也做了改進與實驗。</p><p>　　E.coli算法最早源于大腸桿菌(E.coli)在粘性環(huán)境中搜索行為。雖然該算法比較適合于粘性環(huán)境，但一些研究人員經(jīng)過改進把它應用于地面上湍流主控的環(huán)境里。采用一個氣味傳感器的E.col

55、i算法為：若當前傳感器檢測值同上一次相比增加，則機器人旋轉(zhuǎn)隨機角度，范圍在（-50，+50）之間，然后向前運動隨機長度，范圍在（-0.05 m，+0.05 m）之間：如果減少，則機器人旋轉(zhuǎn)隨機角度，范圍在（-1800，+1800）之間，然后向前運動隨機長度，范圍在（-0.05 m，+0.05 m）之間。Russell和Marquest分別在湍流主控的環(huán)境里實現(xiàn)了該算法。Lytridist501也通過仿真驗證了該算法，稱該算法為BRW(B

56、iased Random Walk)算法。</p><p>　　Ishida基于飛艇算法，使用飛艇在3D環(huán)境下進行煙羽跟蹤，10個氣體傳感器安裝在飛艇的表面。通過兩種化學趨向性算法進行了實驗：飛艇向著最大平均濃度響應的傳感器方向運動，結(jié)果表明一些實驗成功但時間較長，部分實驗失敗；沿著飛艇上前后的一維(1D)傳感器波動最大的方向運動，實驗是成功的。</p><p>　　2.4.2 風向趨向

57、性</p><p>　　所謂風趨向性，是指模仿生物(如藍蟹等)在感知氣味時逆流而上，即通過逆風(空氣中)或逆流(液體中)的方向到達氣味源的一種方法。風向趨向性通常要與化學趨向性結(jié)合使用，主要包括逐步前進法(Step by step progress)、Z字形／Dung Beetle算法、多階段搜索算法、3一D Z字形算、煙羽中心逆風算法、蠶蛾算法、基于動物捕食行為算法等。逐步前進(Step-by-stepprog

58、ress)Ishida在文獻中采用了帶有四個氣體傳感器(TGS822)和四個風速傳感器(F6201.1)的移動平臺。單一方向的風對四個風速傳感器系統(tǒng)產(chǎn)生唯一的響應模式，每45度方向上對應一個模式，一共八個模式的模板預先存儲在計算機中，可以通過測量值和模式的最優(yōu)匹配來確定方向。在風洞中實驗了逐步前進法。該算法使得機器人跟隨濃度梯度向煙羽中心接近，同時做逆風搜索。當沿著風向的氣體濃度梯度非常小的時候，風向成為定位的有效信息；反之，當橫過風向

59、的濃度梯度相對陡峭時，可以采用氣體濃度的信息接近煙羽。風向和濃度兩者信息的結(jié)合提供了氣味源的方向。因為橫越風方向上的濃度梯度要大于沿著風向上的，所以該算法只考慮了垂直風</p><p>　　2.4.3 信息趨向性</p><p>　　Massimo Vergassola和同事首次提出利用信息熵來進行氣味源定位。信息趨向性策略是指局部最大化信息增益的期望率，搜索過程可以看作是對氣味源信息的

60、獲取過程。對此方法來說，信息起到了化學趨向性中濃度的作用-孫駐文對該算法進行了改進，減少計算時間，并通過仿真驗證了該算法。由于該算法比較復雜，計算量較大，所以至今并未用于實際實驗。</p><p>　　3 基于Fluent軟件室內(nèi)環(huán)境的數(shù)值模擬</p><p>　　3.1 氣體泄漏擴散的模擬方法</p><p>　　目前在研究氣體擴散領(lǐng)域應用較多的模擬方法主要有

61、三種，即：物理模擬方法、數(shù)學模擬方法和CFD 數(shù)值模擬方法。當然在實際的模擬仿真過程中，經(jīng)常是兩種或是三種方法同時使用，以此來驗證模擬的準確性。</p><p>　　3.1.1 物理模擬方法</p><p>　　物理模擬是模擬的基礎(chǔ)方法，指在不同與實體的規(guī)模上將某一過程再現(xiàn)，并分析其物理特性和線性尺度對實體的影響，進而對所研究實體或過程進行直接實驗。將實際地形物理按比例的縮小模型置于實驗

62、體(如風洞、水槽等)內(nèi)，在滿足基本相似條件(主要包括幾何、運動、熱力、動力和邊界條件相似)的基礎(chǔ)上，模擬真實過程的主要特征，如空氣動力規(guī)律和擴散規(guī)律。</p><p>　　物理模型建立的理論基礎(chǔ)是相似理論。進行進行物理模擬研究，必須解決如何設(shè)計和制作模型以及將模型實驗的結(jié)論在實體上應用等問題。相似原理是研究、支配力學相似系統(tǒng)的性質(zhì)及如何用模型實驗解決實際問題的一門科學，是進行模型實驗研究的依據(jù)。</p>

63、;<p>　　根據(jù)相似理論，物理模型若能與原型保持相似，則由物理模型經(jīng)過實驗得到的規(guī)律，原型也同樣適用。建立物理模型要遵循很多相似條件，如幾何相似、運動相似、動力相似及熱相似等。在建立模型時，由于所有相似條件不可能完全滿足，所以針對研究的具體要求，要適當做出取舍，恰當選取相似參數(shù)是實現(xiàn)物理模擬的關(guān)鍵。物理模擬主要用于數(shù)值計算模式難于處理的復雜地形以及受到建筑物影響時的擴散研究。與現(xiàn)場實驗相比，特別是復雜條件下的現(xiàn)場試驗相比

64、，物理模擬實驗條件易控制、可重復且可節(jié)省人力、物力，可進行較全面和規(guī)律性實驗，是大氣擴散研究的重要手段。</p><p>　　3.1.2 數(shù)學模擬方法</p><p>　　數(shù)學模擬方法是解決簡單擴散問題的常用方法，此方法是通過用數(shù)學模型、在一定條件下來研究一個物理或化學過程，或通過模型描述一個復雜的物理或化學過程的某些特點。此種方法所借助的數(shù)學模型的方式?jīng)]有固定限制，可以是一系列代數(shù)式或

65、微分、積分方程，也可以簡化為一個關(guān)系式。其中常見的數(shù)學模型：高斯模型、箱及相似模型、淺層模型、Sutton 模型以及唯象模型。</p><p>　　3.1.3 CFD 數(shù)值模擬方法</p><p>　　CFD 模擬是一種數(shù)值模擬方法，用此方法解決流體運動問題于數(shù)學方法的研究思路不同，此種方法對擴散的研究不必依賴偏微分方程的求解，在解決問題時，根據(jù)具體研究的要求，不是去求解析解，而是運用有

66、限元的思想對具體問題建模，并通過相應的軟件技術(shù)對模型進行模擬仿真計算，使對具體的流動過程的分析和研模擬。</p><p>　　采用這種數(shù)值模擬方法進行模擬有一定的程序。第一步，根據(jù)泄漏介質(zhì)的特點和泄漏條件建立基本守恒方程，包括質(zhì)量方程、動量方程、能量方程以及組分方程等；第二步，判斷和選擇初始和邊界條件，對擴散中的各種場函數(shù)進行模擬，這些場主要有流場、溫度場、濃度場等。第三步，對各種描述結(jié)果進行分析，完成模擬目的。

67、此種方法是在借助計算機的基礎(chǔ)上完成的，模擬過程中不需要對氣體的密度性質(zhì)進行判斷，對于擴散的初始狀態(tài)也不用進行詳細的階段分析，因此用這種方法進行模擬就克服了箱及相似模型中的許多缺點，對于箱及相似模型模擬是遇到的問題都可以不考慮，如辨識和模擬重氣的下沉、擴散過程中空氣的卷吸、等許多問題。另外，該方法對模擬對象的要求不高，既可以模擬平坦均勻地形情況的擴散問題，又有模擬更復雜情形流動的能力。這種模擬方法是在Navier-Stokes 方程(以下

68、簡稱N-S方程)的基礎(chǔ)上產(chǎn)生的，是一種完全三維的流體力學模擬方法，至少在原理上，此種方法可以模擬所有重要的物理過程。</p><p>　　物體的流動有層流和湍流之分。通常情況下，大氣的流動都為湍流。相對于層流來說，湍流過程更為復雜。經(jīng)過長時間的研究和總結(jié)工作，目前關(guān)于湍流的工程模式和計算機數(shù)值模擬方法有許多，但總結(jié)來看，已經(jīng)普遍采用只有直接數(shù)值模擬方法、大渦模擬方法和湍流統(tǒng)觀模擬方法這三種。</p>

69、<p>　　3.2 Fluent 軟件介紹</p><p>　　盡管天然氣在室內(nèi)的擴散滿足微觀質(zhì)量守恒定律、動量守恒定律和能量守恒定律，但是由于受到各種因素內(nèi)外界因素的影響，天然氣在運動過程中由于多種原因會發(fā)生很大的形變，這種形變的方式采用數(shù)學方法很難進行求解。即使利用數(shù)學方法得到了偏微分方程，并通過近似等方式得到了方程的解析解，但這種方式不能很好的反應天然氣的擴散狀態(tài)。所以對具體的擴散問題只有借助

70、計算機技術(shù)來完成，運用數(shù)值求解方法來對擴散問題進行研究，計算流體力學(CFD)是進行此類研究的基礎(chǔ)。</p><p>　　Fluent 是CFD 軟件中應用很廣泛的一種，它在美國的市場占有率已經(jīng)超過60%，是目前國際上比較流行的CFD 軟件包，可以模擬跟流體、熱傳遞及化學反應等有關(guān)的很多問題。此軟件使用方便、功能強大。其主要特點是：物理模型全面、數(shù)值方法先進、及的前、后處理功能強大，目前在很多領(lǐng)域都有著廣泛的應用

71、，并且取得了很好的效果。特別是航空航天研究、汽車設(shè)計、石油天然氣泄漏擴散等方面。</p><p>　　Fluent 軟件設(shè)計是基于CFD 軟件群的思想，針對各種復雜流動的現(xiàn)象，從用戶需求角度出發(fā)，陳對模擬對象的特點，采用不同的離散格式，利用不同的數(shù)值求解方法，最終達到模擬實驗的目的，并要求實驗中各種參數(shù)在自身領(lǐng)域內(nèi)的穩(wěn)定性。同時也要對計算速度和精度進行設(shè)置，這樣可以高效的結(jié)局復雜的流動問題，而且可以解決各個領(lǐng)域的

72、問題。基于上述思想，F(xiàn)luent 開發(fā)了各種模擬軟件，這些軟件適用于各個領(lǐng)域、多種流動的模擬。這些軟件能夠模擬流體流動、化學反應、物質(zhì)傳熱和其它多種復雜的物理現(xiàn)象。為了方便用戶，F(xiàn)luent 在建立網(wǎng)格時采用了統(tǒng)一的生成技術(shù)，而且應用相同的圖形界面，使用起來很方便，究變得很方便。本章就應用CFD 軟件Fluent 對天然氣室內(nèi)擴散過程進行仿真</p><p>　　3.2.1 Fluent 用于氣體泄漏擴散的適用

73、性</p><p>　　目前在泄漏擴散模擬仿真方面已經(jīng)應用Fluent 做過的研究有化學試驗煙羽軌跡跟蹤，冷卻塔煙羽擴散模式研究等。另外，袋慮室、旋風除塵器、有毒氣體排放、煙氣脫硫設(shè)備、SO2 洗滌、工業(yè)污染物排放等過程和設(shè)備的模擬等都可以應用Fluent進行模擬。通過以上的成功經(jīng)驗證明，F(xiàn)luent 對于居室內(nèi)天然氣的泄露擴散問題的模擬具有適用性。</p><p>　　3.3 天然氣泄

74、漏的仿真過程</p><p>　　本小節(jié)是在分析天然氣室內(nèi)泄漏擴散特點的基礎(chǔ)上，確定基本控制方程，利用計算流體力學(CFD)方法，對室內(nèi)燃氣泄漏擴散過程的狀態(tài)進行模擬和仿真。</p><p>　　3.3.1 天然氣泄漏擴散模型</p><p>　　1） 物理模型的建立</p><p>　　本文選擇普通居民居住的房間作為研究對象。幾何尺寸:長

75、8m ,寬3m 。在通風的條件下，天然氣在管道口發(fā)生泄漏在此條件下做以下假設(shè)：</p><p>　　1.1 把空氣質(zhì)點的平均運動看作是不可壓縮流體的運動；</p><p>　　1.2 在數(shù)值計算中忽略空氣粘性的影響；</p><p>　　1.3 本文使用湍流粘性系數(shù)來表征大氣的湍流性質(zhì)，并采用雙方程湍流模 型，即 </p><p>&l

76、t;b>　　湍流模型求解；</b></p><p>　　1.4 假設(shè)泄漏時溫度不發(fā)生變化，并忽略可燃性氣體與空氣的溫度差異。</p><p>　　2） 幾何模型的建立 </p><p>　　Fluent 建立幾何模型主要有兩種方式：一是在前處理器Gambit 中直接建立；另一種是利用專業(yè)的軟件工具建立模型并將其導入Fluent 中。Gambi

77、t 只適用于創(chuàng)建簡單的幾何體，對于復雜形體而言，其繪圖功能是遠遠不夠的，這時Gambit 允許引入一些其他軟件創(chuàng)建的文件，常用的有Autocad 創(chuàng)建的ASCI 形式的文件。本文的模型是在前處理器Gambit 中直接建立。為了更直觀、更形象的反映天然氣泄漏擴散的過程，本文采用的是二維建模的方式。</p><p>　　3.1圖 室內(nèi)二維空間的幾何圖</p><p><b>　　3）

78、網(wǎng)格的劃分</b></p><p>　　在使用CFD 軟件的工作中，有大約80%的時間是花費在劃分網(wǎng)格上，可以說網(wǎng)格劃分能力的高低是決定工作效率的主要因素之一。Fluent 軟件采用非結(jié)構(gòu)與適應性網(wǎng)格相結(jié)合的方式進行網(wǎng)格劃分。與結(jié)構(gòu)化網(wǎng)格和分塊網(wǎng)格相比，非結(jié)構(gòu)網(wǎng)格劃分便于處理復雜外形的網(wǎng)格劃分，而適應性網(wǎng)格則便于計算流場參數(shù)變化劇烈、梯度很大的流動，同時這種劃分方式也便于網(wǎng)格的細化或粗化，使得網(wǎng)格劃分

79、更加靈活、簡便Fluent 劃分網(wǎng)格的途徑有兩種：一種是用Fluent 提供的專用網(wǎng)格劃分軟件Gambit 進行網(wǎng)格劃分，另一種則是由其他的制圖軟件，如CAD 軟件等完成造型工作，再導入Gambit 中生成網(wǎng)格。還可以用其他網(wǎng)格生成軟件生成與Fluent 兼容的網(wǎng)格用于計算。本文是在Fluent 前處理器Gambit 中進行網(wǎng)格劃分，按照由線到面、由面到體的原則，采用自動劃分的方式對網(wǎng)格進行劃分，共劃分網(wǎng)格12996個，網(wǎng)格劃分情況如圖

80、3.2 所示。</p><p>　　3.2圖 劃分網(wǎng)格后的幾何圖</p><p>　　3.3.2 基本控制方程</p><p>　　Fluent 的求解是基于各種方程的，本文涉及到的基本方程主要有連續(xù)性方程、動量方程、能量方程和組分方程四種。</p><p><b>　　1）連續(xù)性方程</b></p>&

81、lt;p>　　對于湍流的求解要借助連續(xù)性方程來完成。根據(jù)物質(zhì)擴散的各種性質(zhì)不同，可將連續(xù)性方程可分為以下4類，第一類為不可壓縮流體模型(incompressible fluidmodel,IFM)；第二類為非彈性流體模型(anelastic fluid model,AFM)；第三類為變密度流體模型 (variabledensity fluid model,VDFM)；第四類為變密度湍流流體模型(variabledensi

82、ty turbulent fluidmodel,VDTFM)。</p><p><b>　　不可壓縮流體 </b></p><p>　　(3.1) </p><p><b>　　非彈性流體 </b></p><p>

83、　　(3.2) </p><p><b>　　變密度流體</b></p><p>　　(3.3) </p><p><b>　　變密度湍流流體</b></p><p>　　(3.4)

84、 </p><p>　　對于本課題研究的氣體射流問題，考慮到天然氣泄漏為射流噴口，且室內(nèi)泄漏過程中忽略溫度的變化影響，且其密度與空氣的不同，在擴散過程中其密度也在不斷的發(fā)生變化。根據(jù)這些特點，天然氣室內(nèi)泄漏過程的基本控制方程為如式（3.3） 所示，式中，為泄漏物質(zhì)的密度，為三個方向的速度(u，v，w )。</p><p><b>　　2）動量方程</b

85、></p><p>　　氣體擴散同樣遵循動量守恒方程，可得出擴散過程中x、y、z 三個方向上的動量守恒方程，通式為：</p><p><b>　　(3.5)</b></p><p>　　x 方向： </p><p>

86、;<b>　　(3.6)</b></p><p>　　y 方向： </p><p><b>　　(3.7) </b></p><p>　　z 方向：

87、 </p><p><b>　　(3.8)</b></p><p>　　式中，u 、v 、w 分別為流體擴散過程中在x 、y 、z 三個方向上的速度分量，為流體的湍流粘度，g為重力加速度，p為擴散開始的絕對壓力。</p><p><b>　　3）能量方程</b></p

88、><p>　　擴散過程中的能量方程如下所示：</p><p><b>　　(3.9)</b></p><p>　　式中，T 為流體的溫度，為流體的湍流導熱系數(shù)，可通過流體的湍流普朗特(Prandtl)數(shù)將與聯(lián)系起來：。取為常數(shù)，一般為，</p><p>　　。其中：、分別為混合物流體的定壓比熱和為泄漏物質(zhì)的定壓比熱，為空氣的

89、定壓比熱， 。</p><p><b>　　4）組分方程</b></p><p>　　由組分質(zhì)量守恒定律可得出組分方程：</p><p>　　(3.10) </p><p>　　式中，ω 為各成分的組分質(zhì)量分率，Dt為流體擴散的湍流擴散系數(shù)

90、，此系數(shù)可通過流體的湍流施密特數(shù)將 與 聯(lián)系起來：。取為常數(shù)，一般可取為1，而于是有：。</p><p>　　3.3.3 Fluent 數(shù)值計算</p><p>　　將網(wǎng)格劃分后，進進入Fluent 計算階段，其基本計算步驟是：(1)定義流暢的幾何參數(shù)；(2)啟動相關(guān)的求解器；(3)將劃分好的網(wǎng)格輸入到Fluent 中；(4)對網(wǎng)格進行檢查；(5)選擇求解器格式；(6)選擇求解器所用的

91、基本方程；(7)定義物質(zhì)屬性；(8)定義邊界條件；(9)調(diào)整解的控制參數(shù)；(10)初始化流場；(11)開始求解。以下就對其中的幾個關(guān)鍵步驟進行介紹。</p><p><b>　　a.確定求解器</b></p><p>　　Fluent 提供三種計算方式：分離方式、耦合隱式和耦合顯式。這三種計算方式都可以給出精確的計算結(jié)果，只是針對某些特殊問題時，某種計算方式可能比其他

92、兩種方式更快一些。分離計算和耦合計算的區(qū)別在于求解連續(xù)、動量、能量和組元方程的方法有所不同。分離方式是分別求解上面的幾個方程，最后得到全部方程的解；耦合方式則是用求解方程組的方式，同時進行計算并最后獲得方程的解。兩種方式的共同特點是，在求解附帶的標量方程時，都是采用單獨求解的方式，就是先求解控制方程，再求解湍流模型方程或是輻射方程。顯式和隱式的區(qū)別在于對方程的線化方式有所不同。分離方式一般用于不可壓縮流或弱可壓縮流的計算。耦合方式則通常

93、用于高速可壓縮流的計算。由本文第一章中的假設(shè)條件可知，本文假設(shè)天然氣及空氣都為不可壓縮流，所以本文選擇分離式求解器進行求解。</p><p><b>　　b.確定湍流模型</b></p><p>　　泄漏物質(zhì)擴散過程中濃度變化主要受泄漏物質(zhì)自身性質(zhì)和氣流場兩方面因素的影響。而天然氣在室內(nèi)的泄漏是一個復雜的過程。通過物理模擬和數(shù)值模擬的方法都不能方便準確的得到天然氣擴散

94、過程中濃度的變化，所以本研究采用CFD 數(shù)值模擬方法。天然氣泄漏后在居室內(nèi)的運動并不穩(wěn)定，一般是以湍流流動為表現(xiàn)形式。湍流本身很復雜，所以系統(tǒng)還要遵守附加的湍流輸運方程，模擬要選擇好相應的湍流模型以考慮湍動量的影響因素。常用的湍流模型有渦粘性模式和Reynolds 應力模式，渦粘模型中常用的有零方程模型，一方程模型和兩方程 、 模型；Reynolds 應力模式中常用的有SST、SSG 模型等。Sklavounos 等比較了 、 、SST

95、、SSG4種模型在重氣輸運數(shù)值模擬的結(jié)果，發(fā)現(xiàn) 及 SST 兩種模型的效果較好，本文計算采用標準模型(standard model)。</p><p><b>　　c.設(shè)置邊界條件</b></p><p>　　設(shè)置邊界條件是模擬效果好壞的關(guān)鍵因素之一。在Fluent 中所謂邊界條件，是指在模擬過程中，在模型求解域的邊界上所求解的變量和參數(shù)。只有給定了合理準確的邊界條

96、件，才可能準確計算出流場中各種參數(shù)的解。因此，只有根據(jù)模型的要求以及模擬的目的準確的確定了邊界條件，要計算的問題才會有定解，模擬才會達到想要的效果。</p><p>　　泄漏口的初始速度3m/s，壓力直徑0.02m，甲烷的質(zhì)量分數(shù) 1</p><p>　　空氣入口的速度0.3m/s，壓力直徑0.2m，氧氣的質(zhì)量分數(shù) 0.23</p><p>　　出口壓力直徑0.2m

97、</p><p><b>　　d.設(shè)置初始化條件</b></p><p>　　在開始迭代前，必須先進行初始化流場。所謂初始化，就是給各流場參數(shù)賦初始值，以便迭代計算可以有一個起點。初始化流場的方式有兩種：一種是初始化流場邊界；一種是直接初始化流場變量。</p><p>　　本文假設(shè)從泄漏口開始計算，迭代的時間步長為1s，天然氣的初始濃度為0，泄

98、漏的初始速度為3m/s。</p><p><b>　　3.3.4仿真結(jié)果</b></p><p>　　圖3.3 50S時室內(nèi)CH4的濃度分布圖</p><p>　　圖3.4 100s時室內(nèi)CH4的濃度分布圖</p><p>　　圖3.5 150s時室內(nèi)CH4的濃度分布圖</p><p>　　圖3

99、.6 200s時室內(nèi)CH4的濃度分布圖</p><p>　　4 機器人移動路徑的模擬</p><p>　　本章研究的是當煙羽函數(shù)模型未知時的情況，此時搜索策略的設(shè)計就顯的極為重要。機器人研究人員在為機器人設(shè)計搜尋策略時，已經(jīng)用一些模仿生物行為的方式成功的進行煙羽跟蹤。其中一些研究人員只是簡單地模仿生物的行為，并應用到算法中。多數(shù)機器人的研究人員從昆蟲身上尋找靈感，也有些研究人員從細菌、龍

100、蝦等生物的行為中尋找靈感。本章研究的機器人通過半隨機移動法實現(xiàn)氣味源定位。首先介紹一下煙羽函數(shù)模型未知時的搜尋策略。</p><p>　　4.1 煙羽函數(shù)未知時的搜尋策略</p><p>　　4.1.1 半隨機移動法</p><p>　　半隨機移動法是受到了細菌的化學向性的啟發(fā)。雖然仿生細菌的化學趨向性算法可以最大的節(jié)省存儲空間，但是其耗時長，成功率低。而半隨機

101、移動法可以提高成功率，降低時耗，而占用的存儲空間也很小，只需存儲最近三個點的濃度值。</p><p>　　算法原理如下：首先讓機器人前行，測得一條直線上三個點的濃度，然后根據(jù)三點濃度的不同確定下一步小車的移動方向。機器人的運動方式只有四種，前進，后退，左轉(zhuǎn)和右轉(zhuǎn)。設(shè)三點分別為a、b、c，同時設(shè)置一個轉(zhuǎn)向標志位Flag Turn＝0。算法表述如下：</p><p><b>　　If

102、(c>b)</b></p><p><b>　　{</b></p><p><b>　　繼續(xù)前進；</b></p><p><b>　　}</b></p><p>　　Else If(c<b<a)</p><p><b

103、>　　{</b></p><p><b>　　后退三次；</b></p><p><b>　　}</b></p><p>　　Else if (c<b) & (b>a)</p><p><b>　　{</b></p><

104、p>　　后退到b 點，左轉(zhuǎn)，前行，F(xiàn)lag Turn 置1;</p><p><b>　　}</b></p><p>　　Else If (Flag Turn=1) & (c<b)</p><p><b>　　{</b></p><p>　　后退兩次，F(xiàn)lag Turn 置零；&

105、lt;/p><p><b>　　}</b></p><p>　　此算法能保證機器人一直向濃度增大的方向移動。</p><p>　　4.1.2 濃度梯度追蹤法</p><p>　　梯度追蹤法是受到了鯊魚追尋獵物時的運動的啟發(fā)，當氣味源散發(fā)出去時，在它的周圍就形成了一個濃度場，越是遠離氣味源氣味濃度值越低，反之越高，鯊魚在追尋

106、獵物時按照濃度變化最大的方向前進，總能較快的尋找到目標。該算法可以表述為：</p><p>　　If (Left Concentration>Right Concentration)</p><p><b>　　{</b></p><p><b>　　左轉(zhuǎn)</b></p><p><b&

107、gt;　　}</b></p><p>　　Else if (Left Concentration<Right Concentration)</p><p><b>　　{</b></p><p><b>　　右轉(zhuǎn)</b></p><p><b>　　}</b>

108、</p><p><b>　　Else</b></p><p><b>　　{</b></p><p><b>　　前進</b></p><p><b>　　}</b></p><p>　　該算法實現(xiàn)簡單，并且具有較高的效率，在具體

109、實現(xiàn)中可以通過比較時間軸上的濃度值來防止遠離氣味源頭。</p><p>　　4.1.3 逆風搜尋法</p><p>　　在有風條件下（此處所指的有風條件是指風速穩(wěn)定風向恒定的微風），氣味煙羽的形狀將大大不同，雖然半隨機移動法仍然可行，但是由于煙羽的不規(guī)律性導致其效率明顯變低。此時可以利用風向傳感器獲取風的方向，然后指引機器人按照逆風的方向前行。因而在此種條件中，只要機器人保持在煙羽之內(nèi)就

110、可以較快的實現(xiàn)對氣味源的搜尋。當風向一定時，風的方向大致就是濃度梯度方向，故沿著逆風方向能以最快的速度向氣味源移動。其搜尋原理可以表述為：為氣體的濃度設(shè)一閾值，當?shù)陀诖碎撝禃r，則認為失去了煙羽。在機器人探測到煙羽時，它根據(jù)風向傳感器沿著逆風的方向運動，當?shù)陀谝?guī)定的閾值時，就認為丟失煙羽，通過一些運動方式迅速的找到煙羽。如丟失煙羽后，以丟失煙羽的點為中心搜尋，逐步擴展半徑搜尋煙羽；當搜尋到煙羽后，繼續(xù)前行，搜尋氣味源。其算法表述如下：&l