随着现代化工产业的发展,各类气体危险品在生产、运输和储存的过程中均有安全隐患,一旦危险气体泄漏事故发生而不能及时有效地预警,势必对人民生产和生活环境造成严重破坏,甚至造成人员伤亡。快速、准确、有效地识别出危险气体源的位置、源强以及泄漏初始时间等参数信息对开展应急救援活动显得至关重要。本文详细介绍了气体扩散模型和气体源参数估计算法的研究现状,归纳了气体源参数估计的通用框架,深入探讨了气体源参数估计的优化方法和贝叶斯方法,围绕现实复杂的危险气体泄漏场景,有针对性地推导了相应的气体扩散模型,并提出了多种场景下危险气体源参数估计算法。针对连续泄漏气体源危险气体扩散已达到稳定状态的场景,基于湍流理论推导了一种危险气体连续泄漏稳态气体扩散模型,进而利用此扩散模型提出了基于粒子滤波的稳态气体源参数估计算法。该算法采用加权质心算法对被估参数进行粗估计,并将预估的结果应用于粒子滤波中,从而能够快速、准确地估计稳态气体源的位置及源强等参数信息。所提的稳态气体源参数估计算法优化了基于多个传感器测量值的似然函数,提高了粒子滤波收敛的稳定性。为了验证所提算法的参数估计性能,基于稳态气体源模型推导了估计参数的克拉美-罗下界,所提算法估计得到参数的均方根误差逼近于理论推导相应参数的克拉美-罗下界。仿真实验结果表明,与加权质心算法相比,所提基于粒子滤波的稳态气体源参数估计算法具有较快的收敛速度和较强的鲁棒性,从而验证所提算法具有良好的参数估计性能。针对连续泄漏气体源危险气体扩散未达到稳定状态的场景,考虑了气体泄漏初期浓度随时间变化的规律,根据菲克扩散定律推导了一种连续泄漏的非稳态气体扩散模型,以此模型为基础,在最大似然估计的框架下,将气体源参数估计问题转化为最优化问题,进而提出了二维环境下的基于多种群遗传算法的非稳态气体源参数估计算法。相比传统的遗传算法所提算法采用相互独立且不同进化机制的多种群协同进化方案,具有全局搜索能力强、收敛速度快等优点,能够有效的估计出非稳态气体源的相关参数,同时通过与加权质心算法的定位实验相比,可以看出所提算法具有更好的气体源定位精度。仿真实验结果也验证了基于多种群遗传算法的非稳态气体源参数估计算法的有效性和优越性。考虑瞬时泄漏气体源的危险气体扩散场景,利用欧拉方法建立了一种瞬时气体扩散模型,进而提出了基于高斯粒子滤波的瞬时气体源参数估计算法。该算法采用加权质心算法得到参数估计的初始值,提高了高斯粒子滤波的收敛速度;利用多个传感器的测量值重构似然函数,提高了所提算法的稳定性。利用已建立的瞬时气体扩散模型,推导了在不同传感器数目下瞬时气体源估计参数的克拉美-罗下界。基于高斯粒子滤波的瞬时气体源参数估计算法能够快速、准确地估计出瞬时气体源的位置以及泄漏初始时间等参数信息,减少了参数估计误差,并且所提算法的估计性能逼近理论推导的克拉美-罗下界。仿真实验结果表明,与经典粒子滤波算法相比,该算法具有更小的参数估计误差,而且随着传感器数目的增加,瞬时气体源参数估计性能变得更好。