动态气流环境下气味烟羽仿真与气味源定位

摘要

移动机器人气味源定位研究始于二十世纪九十年代,主要研究利用配备有气味浓度及其它传感器的移动机器人搜寻事先未知的气味释放源头的问题。该研究涉及传感及信息处理、移动机器人学、计算智能、流体力学和仿生学等多个研究领域,在有毒/有害气体泄露检测、火源探测、灾后搜救和深海热泉勘察等方面具有广阔的应用前景。　　从气味源释放的气味分子在空气中扩散形成的空间分布称为烟羽。对气味烟羽进行计算机仿真一方面可以帮助理解浓度分布情况,另一方面可以作为气味源定位实验的辅助手段。本文围绕移动机器人气味源定位和气味烟羽仿真问题,重点开展了以下研究工作。　　采用多尺度分析方法研究了室外近地面单点风速在不同时间尺度下的脉动特征。室外环境中烟羽的扩散受风场的控制,但目前尚不清楚不同尺度风速脉动具有哪些规律。针对此问题,使用经验模态分解方法将风速序列分解得到多个时间尺度的风速脉动信号,并分析了这些脉动信号的自相关性、样本熵和湍动能,以及各尺度脉动信号对风稳定度的影响。结果表明,风速脉动信号在小尺度上具有不规则性,在大尺度上则表现出周期性,而时间尺度在8s至240s范围内的风速信号是造成风向变化的主要原因。　　为了研究风场中风向分布的均匀性,提出了区域内风向一致性指标。通过比较风向一致性指标与风速之间的关系表明,风速越大则区域内的风向越均匀,风速越小则区域内风向的差别越大。　　采用动力学异同性分析和相关性分析方法研究了不同位置的风速序列之间的关系。结果表明风场中距离越近、地形越相似位置的风速序列的动力学属性越相近,相关性越强。　　针对现有的烟羽仿真模型的不足,建立了基于实测风场数据的烟羽仿真环境。仿真风场由实测风场通过时间插值和空间插值获得,烟羽模型则采用经过修改的基于细丝的大气扩散模型,并建立了金属氧化物半导体传感器模型。仿真烟羽与实测烟羽的对比结果表明两者间具有相似的瞬时和统计特征。　　提出了基于模拟退火的气味源定位算法。该算法使用模拟退火策略选择浓度场的最大值,也就是气味源。通过室外场景下的仿真以及室内场景下的实验验证了本文提出的算法可以准确地定位气味源,并能够有效地克服风场和浓度波动造成的影响,且可避开局部最优。

目录

封面

声明

中文摘要

英文摘要

目录

图表目录

第一章 绪论

1.1课题背景及意义

1.2气味源定位的环境分类

1.3湍流特征及流场特性分析方法

1.4烟羽仿真模型概述

1.5气味源定位算法概述

1.6本文主要研究问题

1.7内容安排

第二章 室外近地面单点风速特征分析

2.1风速数据采集

2.2经验模态分解

2.3 IMF的自相关与时间尺度

2.4风速时间序列的复杂性

2.5风速信号的湍动能

2.6风向一致性分析

2.7本章小结

第三章 室外近地面风场特性分析

3.1多点风速数据采集

3.2区域风向一致性分析

3.3区域风速的动力学异同性分析

3.4风场各区域风速的相关性分析

3.5本章小结

第四章 基于真实风场数据的室外烟羽仿真环境构建

4.1风速序列时间插值

4.2风场空间插值

4.3烟羽模型

4.4机器人运动模型和气体传感器模型

4.5仿真烟羽验证

4.6本章小结

第五章 现实气流环境下的单机器人气味源定位研究

5.1室外烟羽发现算法的对比研究

5.2基于模拟退火的机器人气味源定位算法

5.3本章小结

第六章 总结与展望

参考文献

发表论文和科研情况说明

致谢