[發(fā)明專(zhuān)利]一種基于改進(jìn)粒子群算法的多無(wú)人機(jī)氣體泄漏源定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110320464.0
• 申請(qǐng)日: 2021-03-25
• 公開(kāi)（公告）號(hào): CN113051665B
• 公開(kāi)（公告）日: 2023-06-27
• 發(fā)明（設(shè)計(jì)）人: 鄧琴;丁濤;劉振國(guó);張振明;蔣欣顏
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)計(jì)量大學(xué)
• 主分類(lèi)號(hào): G06F30/15
• 分類(lèi)號(hào): G06F30/15;G06F30/25;G06F30/27;G06N3/006;G01M3/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開(kāi)了一種基于改進(jìn)粒子群算法的多無(wú)人機(jī)氣體泄漏源定位方法，主要用于對(duì)氣體泄漏源進(jìn)行高效、精準(zhǔn)的定位。該方法結(jié)合了人類(lèi)心理學(xué)，使該方法更加智能化。人在越接近成功的時(shí)候會(huì)變得越謹(jǐn)慎。模仿人的心理，粒子在越靠近污染源時(shí)也會(huì)變得謹(jǐn)慎，放慢自己的速度，謹(jǐn)慎的移動(dòng)。該方法在迭代初期采用基本粒子群算法，使粒子群在氣體泄漏區(qū)域大范圍的搜索。當(dāng)有粒子超過(guò)閾值時(shí)開(kāi)始進(jìn)行分層迭代。將無(wú)人機(jī)的剩余電量與搜索到氣體泄漏源的影響作為謹(jǐn)慎因子的衡量指標(biāo)，在積極粒子層速度更新時(shí)加上謹(jǐn)慎因子，使粒子進(jìn)行更細(xì)致的局部搜索，而在消極粒子層速度更新時(shí)加上積極粒子層的帶動(dòng)作用，提高了搜索效率，實(shí)現(xiàn)了對(duì)氣體泄漏源高效的定位。

技術(shù)領(lǐng)域

本發(fā)明涉及一種泄漏源定位方法，特別涉及一種基于改進(jìn)粒子群算法的多無(wú)人機(jī)氣體泄漏源定位方法。

背景技術(shù)

危險(xiǎn)氣體經(jīng)常出現(xiàn)在人們的日常生活中。如天然氣、工業(yè)用的工業(yè)氣體，自然災(zāi)害或安全事故后伴隨產(chǎn)生有毒氣體等，這些氣體的泄漏都會(huì)對(duì)環(huán)境與人們的生活造成極大地危害。同時(shí)，氣體泄漏后，如果所檢測(cè)的區(qū)域面積較大，經(jīng)常難以確定氣體源的位置。傳統(tǒng)污染源定位一般以固定檢測(cè)站、車(chē)載式監(jiān)測(cè)站和無(wú)線傳感器網(wǎng)絡(luò)為依據(jù)，通過(guò)將其位置和污染和污染物濃度信息相結(jié)合來(lái)估計(jì)污染源的位置。但由于受地面條件限制，監(jiān)測(cè)站位往往分布不均勻或事故污染源附近不一定恰好設(shè)有監(jiān)測(cè)站或被監(jiān)測(cè)站所包圍，無(wú)法實(shí)現(xiàn)對(duì)氣體泄漏源精準(zhǔn)定位。目前研究結(jié)果表明，無(wú)人機(jī)環(huán)境監(jiān)測(cè)平臺(tái)具有機(jī)動(dòng)、靈活和監(jiān)測(cè)范圍廣等優(yōu)勢(shì)，可以彌補(bǔ)現(xiàn)有固定監(jiān)測(cè)站和監(jiān)測(cè)車(chē)的不足，更有利于對(duì)氣體泄漏源進(jìn)行精準(zhǔn)定位。

粒子群算法是一種模擬群體智能行為的優(yōu)化算法，它的核心思想來(lái)源于對(duì)鳥(niǎo)群簡(jiǎn)化社會(huì)模型的研究及行為模擬。由于粒子群算法簡(jiǎn)單易實(shí)現(xiàn)，因此從出現(xiàn)至今，被迅速應(yīng)用在許多科學(xué)和工程領(lǐng)域，已經(jīng)成為群體智能算法的一個(gè)重要分支。在標(biāo)準(zhǔn)粒子群算法中，算法的收斂精度不夠高，算法迭代初期收斂較快，后期對(duì)局部區(qū)域進(jìn)行搜索時(shí)，收斂速度慢并且算法再陷入局部最優(yōu)后難以跳出。

發(fā)明內(nèi)容

針對(duì)標(biāo)準(zhǔn)粒子群算法存在的不足之處，本發(fā)明結(jié)合心理學(xué)，增加謹(jǐn)慎因子和分層迭代思想提出了一種改進(jìn)粒子群算法。該方法具有定位精度高、速度快、魯棒性強(qiáng)、且能避免陷入局部最優(yōu)等特點(diǎn)，可以快速、高效的對(duì)氣體泄漏源進(jìn)行定位。

一種基于改進(jìn)改進(jìn)粒子群算法的多無(wú)人機(jī)氣體泄漏源定位方法，該方法結(jié)合了人類(lèi)心理學(xué)，使該算法更加智能化。人在越接近成功的時(shí)候會(huì)變得越小心翼翼，越謹(jǐn)慎。模仿人的心理，粒子在越靠近污染源時(shí)會(huì)變得謹(jǐn)慎，會(huì)放慢自己的速度，謹(jǐn)慎的移動(dòng)。所以此想法是對(duì)粒子群進(jìn)行分層迭代，迭代初期采用基本粒子群算法，使粒子群在氣體泄漏區(qū)域大范圍的搜索。當(dāng)有粒子超過(guò)閾值時(shí)開(kāi)始進(jìn)行分層迭代。將無(wú)人機(jī)剩余電量的影響與定位到氣體泄漏源的影響作為謹(jǐn)慎因子的衡量指標(biāo)，在積極粒子層速度更新時(shí)加上了謹(jǐn)慎因子，使粒子進(jìn)行更細(xì)致的局部搜索，提高搜索效率，避免大范圍搜索時(shí)間的浪費(fèi)。而在消極粒子層速度更新時(shí)加上積極粒子層的帶動(dòng)作用，使消極層粒子群更快的向積極層粒子群靠近。該方法包括以下步驟：

步驟1：在待監(jiān)測(cè)區(qū)設(shè)置N架無(wú)人機(jī)，此次模擬仿真設(shè)置了6架無(wú)人機(jī)；

步驟2：初始化無(wú)人機(jī)的位置和速度；

步驟3：計(jì)算初始無(wú)人機(jī)群各個(gè)體的適應(yīng)值；

步驟4：用改進(jìn)粒子群算法搜索氣體泄漏源；

步驟5：更新各無(wú)人機(jī)的位置；

步驟6：判斷氣體泄漏源是否定位成功，若成功，執(zhí)行步驟7，否則轉(zhuǎn)回步驟4；

步驟7：輸出氣體泄漏源的位置。

在步驟4中提出的改進(jìn)粒子群算法，如圖1所示，包括以下步驟：

步驟1：初始化種群的迭代次數(shù)maxgen、種群規(guī)模popsize、粒子的速度V和位置pop、參數(shù)c1、c2、c3、權(quán)重系數(shù)w、w₁、w₂；