路光達(dá),張明路
(河北工業(yè)大學(xué) 機(jī)械工程學(xué)院,天津 300130)
近年來,利用移動機(jī)器人和氣體傳感器實現(xiàn)氣味源定位(gas/odor source localization)已經(jīng)成為了一個研究熱點.具有嗅覺功能的機(jī)器人能夠從事與氣味相關(guān)的各個領(lǐng)域的工作,包括探測地雷、搜尋爆炸物、搜救遇難者、有毒氣體檢測、火災(zāi)報警、檢測各類危險化學(xué)物質(zhì)存儲容器或輸送管道的泄漏情況并進(jìn)行修補(bǔ),還可以進(jìn)行探礦工作.實際上,機(jī)器人嗅覺任務(wù)最關(guān)鍵的問題就是要對味源進(jìn)行搜索、定位、識別.
機(jī)器人通過跟蹤煙羽便可找到味源,所謂煙羽,是指氣味源釋放的氣味分子在空氣中傳播形成的羽毛般的軌跡[1].Hayes[2]將此類問題分解為3個子任務(wù),即煙羽發(fā)現(xiàn)、煙羽橫越、氣味源確認(rèn).早在1991年,Rozas等[3]便利用研制的人工鼻進(jìn)行了這方面的研究.將人工鼻裝在一個移動機(jī)器人上,通過追蹤測試環(huán)境中的氣體濃度而找到氣味源.類似的研究通常是在移動機(jī)器人上安裝一對氣體傳感器,比較兩個傳感器的輸出,令機(jī)器人向著濃度高的方向移動[4].但由于受湍流作用,氣體擴(kuò)散過程中的濃度分布不規(guī)則,因此機(jī)器人只利用氣體濃度梯度搜索效率低.為了解決此問題,Ishida[7]和他的同事根據(jù)飛蛾逆風(fēng)跟蹤信息素的行為,采用4個氣體傳感器和4個風(fēng)速傳感器制成了氣味方向探測裝置,充分利用氣味信息與風(fēng)向信息完成味源搜索.在此基礎(chǔ)上,他們又研究了一些新算法[8-9],通過沿著濃度梯度搜索煙羽和沿著風(fēng)向跟蹤煙羽兩種策略的轉(zhuǎn)換實現(xiàn)定位.Pyk[10]研制了一個裝有六陣列金屬氧化物氣體傳感器和風(fēng)向標(biāo)式風(fēng)向傳感器的移動人工蛾,并利用它在風(fēng)洞中模擬了飛蛾橫越風(fēng)向和逆風(fēng)而上的跟蹤信息素的運動方式,能夠?qū)ふ业骄嚯x4m遠(yuǎn)處的1味源.近年來,Marques[11-12]和Loutfi[13-15]也在利用移動機(jī)器人研究味源定位領(lǐng)域取得了較大成果.
動物的氣味搜尋行為簡單而有效,在動物漫長的進(jìn)化過程中,嗅覺作為最原始的感覺功能之一,是許多動物賴以生存的最重要的本領(lǐng).因此模仿生物的嗅覺行為,研究機(jī)器人主動嗅覺技術(shù),具有深遠(yuǎn)的實踐和理論意義.
目前,此類研究大部分還是在特定的室內(nèi)實驗環(huán)境中進(jìn)行的,一般設(shè)定較小范圍的實驗場地、營造人工風(fēng)場,諸多氣味源搜索及確認(rèn)算法雖有其獨到的一面,但大多所用的方法大都是根據(jù)動物的趨風(fēng)性(amenotaxis)、趨化性(chemotaxis)、以及Z字形搜索等行為,模仿或啟發(fā)的一些搜索算法,這些算法都存在效率較低、準(zhǔn)確率低、風(fēng)向依賴等缺陷.為了提高搜索效率及準(zhǔn)確率,提出了基于扁形蟲動態(tài)刺激反應(yīng)和生物趨激性仿生行為的機(jī)器人氣味源定位算法,并在仿真實驗中驗證了該搜索策略的有效性,快速性和不依賴風(fēng)向和氣味絕對濃度的特點.
很多的動物通過跟蹤煙羽尋找味源(食物或異性),但并不測算平均濃度,例如蛾子一邊運動一邊用觸角探測周圍氣體,沒有足夠時間來獲得某點濃度均值.這說明存在一些方法,通過獲取煙羽中瞬間的信息即濃度變化率來尋找到味源.
動態(tài)刺激反應(yīng)(kinesisresponse)[16]:這是扁形蟲(flatworm)的一種趨光反應(yīng)機(jī)制,扁形蟲相比光強(qiáng)度大的地方更喜歡黑暗一些的區(qū)域,當(dāng)光強(qiáng)度增加時,它會增加它的轉(zhuǎn)向率,而且不直接依賴當(dāng)前的光的絕對強(qiáng)度,而是光強(qiáng)度的變化率,光強(qiáng)度變化越快,其轉(zhuǎn)向率也越大,更快的趨向更暗的區(qū)域.
趨激性(Tropotaxis)[17]:趨激性機(jī)制是動物通過同時比較兩個或多個傳感器而產(chǎn)生對一個與濃度梯度相同或相反的方向瞬時估計,利用空間分布的兩個或更多的傳感器檢測氣味,是十足甲殼類、飛行類昆蟲、爬行類昆蟲追蹤氣味常用的刺激趨應(yīng)性機(jī)制.這在湍流煙羽追蹤時非常有用[18-20].
扁形蟲動態(tài)刺激反應(yīng)是典型的不依靠絕對強(qiáng)度的生物趨性行為.在當(dāng)光強(qiáng)度增加時,它會增加本身轉(zhuǎn)向率,而且不直接依賴當(dāng)前光的絕對強(qiáng)度,而是光強(qiáng)度變化率,光強(qiáng)度變化越快,其轉(zhuǎn)向率也越大,更快趨向更暗的區(qū)域.趨激性機(jī)制是動物通過同時比較兩個或多個傳感器而產(chǎn)生對一個與濃度梯度相同或相反的方向瞬時估計,根據(jù)此仿生原理檢測兩個位置的濃度變化差作出方向估計.根據(jù)動態(tài)刺激反應(yīng)行為,提出一種結(jié)合趨激性行為的仿生味源定位算法,不依靠傳感器絕對濃度,提高機(jī)器人的搜索效率,并可以不依賴于風(fēng)向.
算法的機(jī)器人步長和轉(zhuǎn)角根據(jù)濃度變化率實時改變.該策略非常簡單,不通過高級智能策略,不依賴風(fēng)向,搜索時不依賴于氣體濃度值,可以避免當(dāng)前氣體傳感器恢復(fù)時間過長的缺點,提高了機(jī)器人的搜索效率.
目前氣體傳播模型有:GAUSS模型[21],BM模型[22],Sutton模型[23],F(xiàn)EM3模型[24],采用應(yīng)用最多的GAUSS模型,該模型適用于點源的擴(kuò)散,早在五、六十年代就已被應(yīng)用.GAUSS模型是從統(tǒng)計方法入手,考察擴(kuò)散質(zhì)的濃度分布.其中煙羽模型(Plume model)適用于連續(xù)源的擴(kuò)散,煙團(tuán)模型(puff model)適用于短時間泄漏的擴(kuò)散(即泄放時間相對于擴(kuò)散時間比較短的情形,如突發(fā)性泄放等).采用煙羽模型,高斯煙羽模型的濃度分布公式如式(1)
圖1 高度變化的XY平面內(nèi)氣體濃度高斯分布圖Fig.1 Gauss concentration distribution with changed height in the plane
圖2 風(fēng)速變化的XY平面內(nèi)氣體濃度高斯分布圖Fig.2 Gauss concentration distribution with changed wind speed in the plane
機(jī)器人起點設(shè)在(7,0)點,因為是仿真環(huán)境中氣體擴(kuò)散是連續(xù)煙羽,因此第1步濃度檢測值3.2 mg/s,機(jī)器人檢測到氣體開始跟蹤,沒有執(zhí)行隨機(jī)搜索.機(jī)器人所走路徑如圖3,經(jīng)過19步迭代,由圖4傳感器濃度采樣值可知,第19步氣體濃度為53mg/s,由圖5氣體濃度變化率知,第19步濃度變化率為0.085,共有16步的變化率大于0.1,其步長最終為0.02 m,滿足停止條件,機(jī)器人停止搜索.
圖3所示機(jī)器人路徑顯示機(jī)器人較快的趨向濃度最高區(qū)域,體現(xiàn)了算法效率.
圖4的氣體濃度體現(xiàn)了機(jī)器人一直向高濃度區(qū)域搜索前進(jìn),與其氣體GAUSS分布模型的濃度變化趨勢基本一致.這表明在仿真環(huán)境下,算法能很好滿足氣味跟蹤任務(wù),機(jī)器人可以有效地找到味源.
圖3 機(jī)器人跟蹤煙羽路徑Fig.3 The trace of robot tracing odor plume
圖4 機(jī)器人氣體傳感器濃度值Fig.4 The concentration of robot odor sensor
圖5 機(jī)器人氣體濃度變化率Fig.5 The variation of robot odor concentration
在基于基于扁形蟲動態(tài)刺激反應(yīng)和生物趨激性仿生行為的基礎(chǔ)上設(shè)計了一種機(jī)器人味源定位算法,使機(jī)器人可以在未知環(huán)境中自主規(guī)劃進(jìn)行味源搜索定位;避免了以往主動嗅覺策略容易陷入局部高濃度點而誤判的情況,具有搜索效率高,不依賴氣味絕對濃度和風(fēng)向信息的特點.在未來的工作中,繼續(xù)改進(jìn),增加障礙物,設(shè)計魯棒性更強(qiáng)的主動嗅覺策略,在真實的湍流環(huán)境中能夠完成氣味源定位任務(wù).
[1]PayneT L,BirchM C,KennedyC E J.Mechanisms in Insect Olfaction[M].New York:Oxford University Press,1986.
[2]HayesA T,Martinoli A,Goodman RM.Distributed odor source localization[J].IEEE Sensors Journal,2002,2(3):260-271.
[3]Rozas R,Morales J,Vega D.Artificial smell detection for robotic navigation[A].Fifth International Conference on Advanced Robotics[C].Piscataway,NJ,USA:IEEE,1991,1730-1733.
[4]Consi T R,Atema J,Goudey C A,et al.AUV guidance with chemical signals[A].Proceedings of the IEEE Symposium on Autonomous Underwater Vehicle Technology[C].Piscataway,NJ,USA:IEEE,1994,450-455.
[5]Kuwana Y,Shimoyama I,Miura H.Steering control of a mobile robot using insect antennae[A].Proceedings of the IEEE International Conference on Intelligent Robots and Systems[C].Piscataway,NJ,USA:IEEE,1995,530-535.
[6]Sandini G,Lucarini G,Varoli M.Gradient driven self-organizing systems[A].Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems[C].Piscataway,NJ,USA:IEEE,1993,429-432.
[7]Ishida H,Suetsugu K,Nakamoto T,et al.Study of autonomous mobile sensing system for localization of odor source using gas sensors and anemometric sensors[J].Sensors and Actuators,A:Physical 1994,45(2):153-157.
[8]Ishida H,Nakayama G,Nakamoto T,et al.Controlling a gas/odor plume-tracking robot based on transient responses of gas sensors[A].Proceedings of the IEEE International Conference on Sensors[C].Piscataway,NJ,USA:IEEE,2002,1665-1670.
[9]IshidaH,Nakayama G,Nakamoto T,et al.Controlling a gas/Odor Plume-tracking robot based on transient responses of gas sensors[J].IEEE Sensors Journal,2005,5(3):537-545.
[10]Pyk P,Bermúdez IBadia S,Bernardet U,et al.An artificial moth:Chemical source localization using a robot based neuronal model of moth optomotor anemotactic search[J].Autonomous Robots,2006,20(3):197-213.
[11]Marques L,Nunes U,De Almeida A T.Olfaction-based mobile robot navigation[J].Thin Solid Films,2002,418(1):51-58.
[12]Marques L,Nunes U,DeAlmeida A T.Spread Nose:Distributed a gents for environmental monitoring[A].Proceedings of the International Workshop on New Developments on Sensors for Environmental Control[C].Singapore:World Scientific Publishing,2003,234-238.
[13]Loutfi A,Coradeschi S,Karlsson L,et al.Putting olfaction into action:Using an electronic nose on amulti-sensingmobile robot[A].Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems[C].Piscataway,NJ,USA:IEEE,2004,33-342.
[14]Loutfi A,Broxvall M,Coradeschi S,et al.Object recognition:new application for smelling robots[J].Robotics and Autonomous Systems,2005,52(4):272-289.
[15]Loutfi A,Coradeschi S.Smell,think and act:A cognitive robot discriminating odours[J].Autonomous Robots,2006,20(3):239-249.
[16]Frankel GS, Gunn DL.The Orientation of Animals:Kineses,Taxes and Compass Reactions[M].New York:Dover Publications Inc,1961.
[17]FRANK W,GRASSO.Invertebrate-Inspired Sensory-Motor Systems and Autonomous,Olfactory-Guided Exploration[J].Biol Bull 2001,200:160-168.
[18]Beglane P F,Grasso F W,Basil J A,et al.Far field chemo-orientation in the American lobster,Homarus americanus:effects of unilateral ablation and lesioning of the lateral antennule[J].Biol Bull,1997,193:214-215.
[19]Srinivasan M V,Zhang S,Chahl J S.Landing strategies in honeybees and possible applications to autonomous airborne vehicles.Biol Bull.2001,200:216-221.
[20]Bell W J.Responses of arthropods to temporal chemical stimulus changes: simulation of a humidity differential and a pheromone plume[J].1986,139-148.
[21]蔡風(fēng)英,談宗山,孟赫,等.化工安全工程 [M].北京:科學(xué)出版社,2001.
[22]丁信偉,王淑蘭,徐國慶.可燃及毒性氣體泄漏擴(kuò)散研究綜述 [J].化學(xué)工業(yè)與工程,1999,16(2):118-122.
[23]王文娟,劉劍鋒.危險性氣體泄漏擴(kuò)散數(shù)學(xué)模擬研究 [J].工業(yè)安全與環(huán)保,2006,32(11):23-25.
[24]周波,張國樞.有害物質(zhì)泄漏擴(kuò)散的數(shù)值模擬 [J].工業(yè)安全與環(huán)保,2005,31(10):42-44.