【摘要】：面對頻繁發(fā)生的化工氣體泄漏事故,迅速準確地定位泄漏源對救援工作的開展具有極其重要的意義,而利用機器人有效地執(zhí)行該任務(wù)能夠?qū)⑸敭a(chǎn)損失降到最低。因此,有關(guān)主動氣味源定位的研究一直得到廣泛的關(guān)注。目前有關(guān)該方面的研究大多局限于比較簡單的二維環(huán)境,而發(fā)生該類事故的場所一般是復(fù)雜多變的。面對真實環(huán)境,機器人應(yīng)該盡量在氣體泄漏初期就以較高的精度完成氣味源定位的任務(wù)。因此,研究復(fù)雜環(huán)境下的主動氣味源定位方法具有廣泛的應(yīng)用前景和重要的學(xué)術(shù)價值。本文針對復(fù)雜環(huán)境下的氣體擴散和定位問題,分別構(gòu)建了二維和三維空間內(nèi)的煙羽擴散模型,并展開主動氣味源定位方法和搜索策略的研究。主要工作概括如下:首先,對氣體擴散模型的分析是制定有效氣味源定位策略的前提條件,考慮實際環(huán)境的復(fù)雜性和煙羽的湍流特性,利用計算流體動力學(xué)軟件FLUENT構(gòu)建室內(nèi)通風環(huán)境下的二維煙羽模型和三維煙羽模型,并考慮障礙物、風速風向等因素帶來的影響。其次,將果蠅優(yōu)化算法(fruit fly optimization algorithm,FOA)應(yīng)用于二維室內(nèi)通風環(huán)境下的氣味源定位,提出基于固定步長值果蠅優(yōu)化算法(fixed-step FOA,FS-FOA)的氣味源定位策略,通過改變仿真環(huán)境的條件,驗證基于FS-FOA的搜索策略對未知環(huán)境中氣味源定位的可行性和有效性。然后,針對FS-FOA中采用固定步長導(dǎo)致氣味源定位效率不高的問題,提出濃度自適應(yīng)步長的果蠅優(yōu)化算法(concentration-adaptive-step FOA,CAS-FOA),并將該算法應(yīng)用于復(fù)雜二維室內(nèi)通風環(huán)境下的氣味源定位。在不同的仿真環(huán)境中,通過實驗驗證所提方法的有效性和優(yōu)越性。與其他氣味源定位方法相比,所提方法具有更高的成功率,且定位精度較高。最后,為了更接近真實的復(fù)雜應(yīng)用環(huán)境,提出基于CAS-FOA的三維氣味源定位策略,并將該策略應(yīng)用于三維環(huán)境下的氣味源定位研究,并通過仿真實驗驗證了該策略的可行性。
【圖文】：

[70]。該模型由Farrell和Murlis等提出，是目前在定位氣味源仿真實驗中認可度最高的煙羽模型，如圖2-2所示，該模型中包含一個連續(xù)的流場，流場中呈現(xiàn)了具有時變性、蜿蜒性和間歇性的二維煙羽模型。但是，，該模型中的濃度值由煙羽中心線處的濃度代替，煙羽以細長的形態(tài)展現(xiàn)，這和實際的煙羽模型有著較大的差別。圖2-2 基于細絲的煙羽模型[71]Figure 2-2 Filament-based plume model[71]

碩士學(xué)位論文三維煙羽模型[72]。該模型是Sutton等對基于煙羽模型，如圖2-3所示，圖中的黑色顆�，F(xiàn)三維環(huán)境下多機器人的氣味源定位的仿和障礙物的存在，只適用于室外無障礙物
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP242

【參考文獻】

相關(guān)期刊論文 前8條

1 毛正陽;方群;李克行;張傳鑫;;應(yīng)用改進果蠅優(yōu)化算法的月面巡視器路徑規(guī)劃[J];中國空間科學(xué)技術(shù);2014年05期

2 張建化;鞏敦衛(wèi);張勇;;動態(tài)環(huán)境下基于SVR-PSO的多機器人氣味源定位方法[J];中國科技論文;2014年01期

3 張思齊;崔榮鑫;徐德民;;稀疏環(huán)境中信息趨向性搜索算法性能分析[J];機器人;2013年04期

4 韓俊英;劉成忠;;自適應(yīng)混沌果蠅優(yōu)化算法[J];計算機應(yīng)用;2013年05期

5 吳小文;李擎;;果蠅算法和5種群智能算法的尋優(yōu)性能研究[J];火力與指揮控制;2013年04期

6 李飛;孟慶浩;李吉功;曾明;;基于P-PSO算法的室內(nèi)有障礙通風環(huán)境下的多機器人氣味源搜索[J];自動化學(xué)報;2009年12期

7 孟慶浩;李飛;張明路;曾明;魏小博;;湍流煙羽環(huán)境下多機器人主動嗅覺實現(xiàn)方法研究[J];自動化學(xué)報;2008年10期

8 孟慶浩;李飛;;主動嗅覺研究現(xiàn)狀[J];機器人;2006年01期

本文編號：2657894