協(xié)作式多無線傳感節(jié)點氣味源定位.pdf

1、氣味源定位是與氣味/氣體有關(guān)的救援和稽查等應(yīng)用中首先要解決的核心問題，但傳統(tǒng)氣味源定位方法存在安全風險高和準確度低等缺點。因此，本文分別研究了基于多個固定傳感節(jié)點的和基于多個移動傳感節(jié)點的氣味源定位問題，前者針對氣流較穩(wěn)定且需長時間監(jiān)控的場景，后者氣流劇烈波動的場景。所取得的主要研究成果總結(jié)如下：
　　將融合了排序適應(yīng)度分配策略的遺傳算法(RFGA)和最小二乘估計相結(jié)合用于無線傳感器網(wǎng)絡(luò)(WSN)氣味源定位。仿真結(jié)果表明，針對WS

2、N氣味源定位這一最小二乘估計問題，基本遺傳算法無法收斂，傳統(tǒng)單點搜索算法難以克服局部收斂問題，而RFGA具有全局收斂性且可同時準確地估計出氣味源位置、釋放率和環(huán)境的擴散系數(shù)。
　　提出了兩種基于隨機行走理論的多移動傳感節(jié)點煙羽發(fā)現(xiàn)方法，并加入了基于人工勢場的轉(zhuǎn)向角計算機制。與現(xiàn)有同類方法相比，所提方法具有不依賴于實時風速信息的優(yōu)點。仿真結(jié)果表明，所提方法可高效地實現(xiàn)煙羽發(fā)現(xiàn)，所采用的人工勢場機制有利于控制不同節(jié)點搜索不同區(qū)域，從而

3、提高煙羽發(fā)現(xiàn)效率。
　　提出了基于在線強化學習的多移動傳感節(jié)點煙羽循跡方法，并通過經(jīng)驗共享實現(xiàn)了協(xié)作式強化學習。實驗結(jié)果表明，與現(xiàn)有基于離線優(yōu)化的同類方法相比，所提方法對動態(tài)氣流環(huán)境具有更強的適應(yīng)能力。另外，基于經(jīng)驗共享的協(xié)作機制可進一步提高煙羽循跡成功率。
　　提出了一種基于行為的多移動傳感節(jié)點氣味源定位方法框架，并提出了將進化計算用于所提方法框架中煙羽利用行為的一般模式。在此基礎(chǔ)上，以人工蜂群算法和遺傳算法為具體的進化計