论文部分内容阅读
危险气味/气体泄漏容易造成人身伤害和财产损失,当泄漏事件发生时,快速、准确地定位泄漏源头至关重要。为了提升气味源定位效率、保护人员安全,从二十世纪九十年代开始,一些学者就开始研究使用气味嗅探机器人自主地搜索气味源,即机器人主动嗅觉。
机器人主动嗅觉领域现存一个共性问题是研究主要集中在地表二维平面的气味源搜索,然而气味扩散现象是三维的,常导致地面机器人气味信息获取乏力。另外,现实地表环境(如灾后现场、垃圾填埋场等)的复杂性对地面机器人的通过能力是一个挑战。因此,飞行机器人气味源搜索是机器人主动嗅觉领域的发展趋势。
旋翼无人机是研制飞行嗅探机器人的一种现实平台,但是将旋翼无人机应用于机器人主动嗅觉领域面临四个关键问题:一是现有文献缺少旋翼对气味扩散影响的深入研究,缺少相应的仿真方法和仿真工具;二是旋翼无人机在飞行时难以准确估计风速;三是旋翼尾流对气味扩散的影响导致气味来源信息重建非常困难;四是现有文献没有关于三维气味烟羽发现方法的研究。
本文工作为解决上述四个关键问题而展开,主要研究成果为:
第一、提出了旋翼无人机气动嗅觉效应计算方法。其中,气动嗅觉效应定义为旋翼气流对无人机周围气味扩散的扰动现象。该计算方法是一种计算机仿真算法,它结合了自由涡丝方法和统计方法,可根据无人机位姿及环境风场实时计算无人机周围三维空气流场和气味扩散状态。在此算法的基础上,本文开发了一套三维主动嗅觉仿真软件。测试结果表明此计算方法可快速逼真地模拟旋翼无人机的气动嗅觉效应。
第二、提出了旋翼无人机风速估计方法。该方法分为两个估计步骤,一是风扰矢量估计,二是风扰矢量转换为风速。风扰矢量定义为空气阻力造成的无人机的加速度分量,本文设计了扩张状态观测器以估计风扰矢量。风扰矢量与风速之间的转换依赖空阻系数,本文提出了一种易于实现的空阻系数估计方案。本方法解决了现有倾角测量法不能在机动飞行途中准确估计风速的不足。仿真及实验结果表明,该方法可准确估计风速。
第三、提出了旋翼嗅探机器人气味来源方向推理方法。该方法是为克服旋翼气动嗅觉效应对气味检测造成的强烈扰动影响而设计,它采用连续小波变换和模极大值方法从三枚气味传感器的信号中提取出同一气味到达/离开事件的时间差信息,进而计算气味流动方向、推理气味来源方向。实验结果表明该方法具有较强鲁棒性,能可靠、准确地推理气味来源方向。
第四、提出了三维螺旋遍历气味烟羽发现方法。本文将阿基米德二维螺旋曲线扩展至三维,形成面向三维搜索环境的气味烟羽发现方法。实验结果表明该方法能够有效地发现烟羽,而且该方法可以与本文提出的气味来源方向推理方法紧密结合,形成完整的成功率高的气味源搜索策略。
机器人主动嗅觉领域现存一个共性问题是研究主要集中在地表二维平面的气味源搜索,然而气味扩散现象是三维的,常导致地面机器人气味信息获取乏力。另外,现实地表环境(如灾后现场、垃圾填埋场等)的复杂性对地面机器人的通过能力是一个挑战。因此,飞行机器人气味源搜索是机器人主动嗅觉领域的发展趋势。
旋翼无人机是研制飞行嗅探机器人的一种现实平台,但是将旋翼无人机应用于机器人主动嗅觉领域面临四个关键问题:一是现有文献缺少旋翼对气味扩散影响的深入研究,缺少相应的仿真方法和仿真工具;二是旋翼无人机在飞行时难以准确估计风速;三是旋翼尾流对气味扩散的影响导致气味来源信息重建非常困难;四是现有文献没有关于三维气味烟羽发现方法的研究。
本文工作为解决上述四个关键问题而展开,主要研究成果为:
第一、提出了旋翼无人机气动嗅觉效应计算方法。其中,气动嗅觉效应定义为旋翼气流对无人机周围气味扩散的扰动现象。该计算方法是一种计算机仿真算法,它结合了自由涡丝方法和统计方法,可根据无人机位姿及环境风场实时计算无人机周围三维空气流场和气味扩散状态。在此算法的基础上,本文开发了一套三维主动嗅觉仿真软件。测试结果表明此计算方法可快速逼真地模拟旋翼无人机的气动嗅觉效应。
第二、提出了旋翼无人机风速估计方法。该方法分为两个估计步骤,一是风扰矢量估计,二是风扰矢量转换为风速。风扰矢量定义为空气阻力造成的无人机的加速度分量,本文设计了扩张状态观测器以估计风扰矢量。风扰矢量与风速之间的转换依赖空阻系数,本文提出了一种易于实现的空阻系数估计方案。本方法解决了现有倾角测量法不能在机动飞行途中准确估计风速的不足。仿真及实验结果表明,该方法可准确估计风速。
第三、提出了旋翼嗅探机器人气味来源方向推理方法。该方法是为克服旋翼气动嗅觉效应对气味检测造成的强烈扰动影响而设计,它采用连续小波变换和模极大值方法从三枚气味传感器的信号中提取出同一气味到达/离开事件的时间差信息,进而计算气味流动方向、推理气味来源方向。实验结果表明该方法具有较强鲁棒性,能可靠、准确地推理气味来源方向。
第四、提出了三维螺旋遍历气味烟羽发现方法。本文将阿基米德二维螺旋曲线扩展至三维,形成面向三维搜索环境的气味烟羽发现方法。实验结果表明该方法能够有效地发现烟羽,而且该方法可以与本文提出的气味来源方向推理方法紧密结合,形成完整的成功率高的气味源搜索策略。