姚嘉骏外文翻译2.doc

基于PSO算法实现气味源跟踪的机器人 摘要 研究机器人应用的课题有很多,但最有意思的一个课题是气味源跟踪。本研究结合机器人的能力去识别气味和规划路径，从而使机器人找到气味源。大多数的研究采用仿真软件实现了定位气味源的算法。本文试图验证一个称为粒子群优化(PSO)的定位方法的可行性。本文将介绍实验用的机器人模型，还将讨论能实现机器人行为的构架。试验将使用能驱动机器人的无线通信设备和气味传感器。这项实验是在动态气味源保持在面积488厘米×488厘米的场地内的情况下进行的。实验还使用了一套摄影机来追踪机器人的位置。实验的结果证实了粒子群算法在实现气味源定位方面具有技术上的可行性。在这个实验中粒子群算法能在360秒内完成定位。 关键字:PSO,Al-Fath,气味源 1.介绍 在机器人研究领域已经涉及气味感应的技术有大幅增长,如研究[1]和[2]。研究在各个方面都有应用,该研究最初的起源是定位有毒气体泄漏源和火灾源。实验都需要靠传感器来定位气味源。机器人研究领域在气味研究方面的成果是由J.W.Gardner和P.N.Bartlett在1999年提出的气味感应技术。2006年,Wisnu J. 等人提出一种能使系统能认出芬芳气味的传感器，他们的研究提出了电子鼻中的必威体育精装版技术。这也可以视为一种气味感应技术在机器人领域的研究。 研究由Michael Wandel进行，他试图证明气味传感系统能侦测挥发性物质。调查显示该系统连弱气味也可以感应到而且环境对其的影响可以忽略不计。他们发现让机器人的移动速度不太慢而且不恒定时可以显著加强移动气味传感系统的性能。通过这样的方式,机器人可以额外增加一个相对气流的金属氧化物传感器。另一个实验是对单个气味源定位使用单个机器人的研究。这个研究，有清楚的目标和确定的气味源。两个研究仍集中在利用气味传感器来提高系统的能力。 Adam.T.Hayes等人进行了其他实验，他们使用多个机器人来定位气味源。他们使用分布式算法求解全气体定位任务和特殊气体定位，其性能超过单一机器人。他们已经证实了一个子任务和羽遍历概念可以成功地用于真实机器人来定位气味源。尽管使用了多个机器人,机器人之间的干扰是不可能发生的。机器人气味浓度的信息独自保存着，而不是被共享。 如何处理信息传输的问题,以往的研究已经使用粒子群优化(PSO)算法进行定位。已经证实粒子群优化算法能利用二维仿真软件来成功的定位气味源。在为这个研究及二维仿真软件做的所有的报告中可以发现，在粒子群优化算法中每个机器人将会被当做粒子，这些粒子之间的沟通将成为快速定位气味源的关键。已经有一些改进措施完成了对PSO的修改,使之更完善。其中的一个方法是当机器被困在局部极值时重新初始化全局极值，这种方法被称为DR。另一个方法是利用风力使气味源的定位更迅速。 尽管使用模拟器衡量粒子群优化算法的好坏是非常有用的，但是从仿真软件得出的结果可能不代表其实际性能。因此，真实地检验粒子群优化算法能否准确地定位以及识别出相同的气体,有必要用硬件实施。本研究旨在验证在一个真实的环境中基于PSO的系统能否对具有较强的稳定性的气味源进行定位。此研究需要一些配备无线通信设备的机器人和气味传感器。 PSO要求有每个机器人所处位置的信息。在仿真软件中每个机器人的位置都可以轻易的决定。因为每个机器人位置也需要计算仿真,于是这个数据已经存储在一个变量中。然而,在现实环境中,他是相当的多变和难以确定。定位的地点也会影响用来测量位置的装置，因此这也是我们使用的影响机器人位置误差的内在装置,。 对于室外定位,通常使用全球定位系统(GPS)装置。全球定位系统能够提供可靠的位置信息,因为地球上任何地方都有一个通畅的视线四个或更多的GPS卫星。因为建筑物会堵塞，GPS设备不进行室内定位。 本研究的目的是为了研究PSO算法在室内的稳定性。然后决定提供每一个机器人位置,用一些相机进行这个研究。所提供的相机利用图像处理技术处理图像，按粒子群优化算法的需要给出这些操作数据。 其余的文章结构如下:第二章描述了粒子群优化算法，第三节设计了机器人和传感器、系统体系结构，第四节包括相机的设定和检验过程，以及确定机器人的位置，第五节描述实验场地和如何构建简单的动态环境，第六节给出了相应的实验结果,第七节是结论和建议。 2.PSO框架 粒子群概念的形成是简化模拟社会制度。原意是用图形模拟鸟群或鱼群。然而,结果表明博士Eberhart和博士肯尼迪在1995年将粒子群模型用来作为一个优化模型。与他们的改进相比，粒子群优化(PSO)经常被用来发现全局最大或最小的函数。 虽然算法普遍采用的是静态问题，但算法也已被证明在环境动态变化的动态问题中是有用的。在研究中博士Eberhart等人提出一些处理动态环境算法的改进。他们利用全局最有价值的参数引入了两种环境