基于嗅覺的水下機(jī)器人化學(xué)羽狀物追蹤定位方法

鄧薇， 韓端鋒, 糾海峰

(哈爾濱工程大學(xué) 船舶工程學(xué)院,黑龍江 哈爾濱 150001)

?

基于嗅覺的水下機(jī)器人化學(xué)羽狀物追蹤定位方法

鄧薇， 韓端鋒, 糾海峰

(哈爾濱工程大學(xué) 船舶工程學(xué)院,黑龍江 哈爾濱 150001)

針對真實(shí)水流環(huán)境下的水下機(jī)器人化學(xué)羽狀物追蹤問題,參考生物嗅覺定位原理,提出化學(xué)羽狀物源頭概率分布地圖的繪制算法和水下機(jī)器人搜索羽狀物源頭的路徑規(guī)劃策略,提高了機(jī)器人搜索羽狀物源頭的效率以及準(zhǔn)確性。化學(xué)羽狀物在流場中釋放后,水下機(jī)器人采集在搜索區(qū)域內(nèi)探測到的流場和羽狀物的信息,利用貝葉斯理論描述出羽狀物在空間和時間上的變化,繪制出羽狀物源頭概率分布地圖,通過人工勢場法規(guī)劃出一個最優(yōu)的搜索軌跡,達(dá)到羽狀物探測概率的最大化,水下機(jī)器人能夠沿規(guī)劃路徑跟蹤羽狀物直到發(fā)現(xiàn)羽狀物源頭。通過真實(shí)水流環(huán)境下進(jìn)行的機(jī)器人追蹤實(shí)驗(yàn)結(jié)果驗(yàn)證了該規(guī)劃策略的可行性。

水下機(jī)器人; 嗅覺定位; 羽狀物跟蹤; 貝葉斯理論; 人工勢場

0 引 言

嗅覺是一種遠(yuǎn)距離的感知行為,其被動物廣泛用于覓食和生殖活動[1-3],如太平洋大馬哈魚靠嗅覺返回棲息地[4],南極海鳥靠嗅覺覓食[5],某些昆蟲靠嗅覺交配和覓食[6-8]。在自然界中嗅覺對于大部分動物來說都起著至關(guān)重要的作用。例如搜索食物和巢穴這樣的目標(biāo)時,動物的嗅覺線索比視覺和聽覺線索會更為有效[9]。雖然氣味的探測比視覺或聽覺的探測更簡單,但是如何利用嗅覺線索來搜尋某一特定目標(biāo)仍然是一個難題[10]。因此,至今這種強(qiáng)而有效的基礎(chǔ)感覺系統(tǒng)很少應(yīng)用在機(jī)器人上。

隨著機(jī)器人技術(shù)、傳感器技術(shù)、人工智能等領(lǐng)域取得的巨大發(fā)展,主動嗅覺技術(shù)得到越來越多學(xué)者的關(guān)注,即通過使用化學(xué)傳感器的移動機(jī)器人來主動地發(fā)現(xiàn)、跟蹤并確定氣味/氣體源頭的技術(shù)稱為主動嗅覺。無論是在民用、軍用還是反恐領(lǐng)域都擁有巨大應(yīng)用前景。如利用機(jī)器人檢測有害化學(xué)物質(zhì)的泄漏,鎖定未爆炸的水雷和炸彈,在災(zāi)難現(xiàn)場搜救被困人員,以及在火災(zāi)場所探測火源等等[11]。此外嗅覺機(jī)器人甚至可以替代執(zhí)行某些需要人和具有高度發(fā)達(dá)嗅覺的動物(如狗)合作才能完成的任務(wù)。

Hayes[12]等將主動嗅覺描述為如何使用移動機(jī)器人在二維環(huán)境下進(jìn)行氣味搜尋的問題,并將整個搜尋任務(wù)分為3種行為,即煙羽發(fā)現(xiàn)(Plume finding)、煙羽橫越(Plume traversal)和氣味源確認(rèn)(Odor source declaration)。后來Li[13]等人又將整個搜尋任務(wù)詳細(xì)劃分為4種行為方式:煙羽發(fā)現(xiàn)(Plume finding)、煙羽跟蹤(Tracing the plume)、煙羽再發(fā)現(xiàn)(Reacquiring the plume)和氣味源確認(rèn)(Odor source declaration)。煙羽發(fā)現(xiàn)就是在搜索任務(wù)剛開始階段使用的行為方式,促使機(jī)器人能夠盡快發(fā)現(xiàn)煙羽。煙羽橫越或者煙羽跟蹤都是在已經(jīng)發(fā)現(xiàn)煙羽信息之后才進(jìn)行的行為,這樣機(jī)器人可以更加高效、快速地接近氣味源頭。由于環(huán)境中流場的不斷變化,機(jī)器人在跟蹤過程中也可能出現(xiàn)丟失煙羽無法繼續(xù)進(jìn)行跟蹤的情況,需要借助一些已知的煙羽信息對丟失的煙羽進(jìn)行再次發(fā)現(xiàn)并跟蹤,稱為煙羽再發(fā)現(xiàn)行為。氣味源確認(rèn)行為是機(jī)器人判斷自己是否已經(jīng)達(dá)到氣味源頭并確認(rèn)源頭位置的行為。

九十年代初,機(jī)器人嗅覺定位技術(shù)的研究逐漸成為各國研究人員研究的熱點(diǎn)。目前的研究方法主要分為兩大類:一類是基于仿生學(xué)原理的追蹤定位方法。人類效仿自然界中某些生物利用發(fā)達(dá)嗅覺來搜索氣味源頭的追蹤策略,開發(fā)出了基于仿生學(xué)原理的嗅覺定位方法。另一類嗅覺定位技術(shù)是基于工程理論(信息論、概率模型、流體力學(xué)模型等)的追蹤定位方法。該類方法主要是把常見機(jī)器人領(lǐng)域內(nèi)的工程方法應(yīng)用于機(jī)器人嗅覺追蹤定位研究上,開發(fā)出區(qū)別于仿生學(xué)原理的嗅覺追蹤定位技術(shù)?；诠こ汤碚摰姆椒軌蜃畲笙薅鹊乩脗鞲衅骱陀嬎銠C(jī)資源,這是仿生學(xué)方法所不具備的,也具有更大的發(fā)展空間。

1)基于仿生學(xué)原理的嗅覺追蹤定位方法

仿生學(xué)原理是模擬生物追蹤定位的方法,最常用的是化學(xué)趨向性方法。某些生物可以通過獲取到的化學(xué)信息的濃度梯度來追蹤化學(xué)物質(zhì)的位置,例如粘液菌(slime mold)就是采用這種方法。大多數(shù)動物有兩個氣味感應(yīng)器,鼻孔或者觸角,它們會比較兩個鼻孔聞到氣味的濃度,然后轉(zhuǎn)向接受信號最強(qiáng)的方向。Berg和Brown最早提出將這種方法應(yīng)用在機(jī)器人嗅覺研究上,通過裝在機(jī)器人上不同位置上兩個化學(xué)傳感器檢測的濃度差異,機(jī)器人會以定常的運(yùn)動速度朝向較高濃度的方向行進(jìn)[14]。

Grasso和Belanger分別對龍蝦、飛蛾的運(yùn)動行為進(jìn)行了研究,研究表明龍蝦、飛蛾等生物都有極為相似的運(yùn)動行為。根據(jù)此行為構(gòu)建出逆風(fēng)向以“之”字形運(yùn)動的高效計算機(jī)仿真平臺。在自主探測方法設(shè)計階段,可以利用該仿真平臺進(jìn)行調(diào)試、優(yōu)化、驗(yàn)證所設(shè)計的探測方法。這種運(yùn)動形式可以使自身始終保持在羽狀物內(nèi)部,并逐漸接近羽狀物源頭[15-19]。Farrell和Pang通過研究飛蛾跟蹤氣味的過程,開發(fā)出了適用于機(jī)器人的羽狀物搜索的任務(wù)規(guī)劃器。通過幾次水下機(jī)器人追蹤水中化學(xué)羽狀物的實(shí)驗(yàn)表明,該搜索方法是一種有效的羽狀物追蹤定位方法[20-21],田宇等人基于仿生行為設(shè)計、實(shí)現(xiàn)了一個計算機(jī)仿真環(huán)境[22-23]。

2)基于工程理論的嗅覺追蹤定位方法

Vergassola等人提出了基于信息和編碼理論的氣味搜索方法——信息趨向性“infotaxis”。在此方法中信息扮演的角色類似于“化學(xué)趨向性”中的濃度。策略是使信息獲取的預(yù)期速度在局部區(qū)域內(nèi)達(dá)到最大化,并且用計算的數(shù)學(xué)模型模擬出羽狀物的傳播過程。信息趨向性法在仿真環(huán)境中的有效性得到了很好地驗(yàn)證[24]。Farrell和Pang[25]基于大尺度水平層流的羽狀物模型,采用隱式馬爾可夫的計算方法進(jìn)行仿真,驗(yàn)證了估計羽狀物擴(kuò)散路徑和羽狀物源頭概率分布的可行性。目前基于工程的方法基本停留在仿真實(shí)驗(yàn)階段,還未進(jìn)行過系統(tǒng)的真實(shí)實(shí)驗(yàn)的研究。

機(jī)器人嗅覺研究主要分為兩部分。首先,將機(jī)器人在所處位置記錄的流場信息與羽狀物探測的歷史信息相結(jié)合,構(gòu)建出羽狀物分布圖,指示出可能含有羽狀物源頭的區(qū)域,機(jī)器人在這個區(qū)域探測到羽狀物的可能性較大,這是一個在線構(gòu)圖問題。下一步基于這幅羽狀物分布圖,規(guī)劃出指導(dǎo)機(jī)器人前進(jìn)方向的路徑。規(guī)劃出的路徑能夠令機(jī)器人積累足夠多的位置信息來提高羽狀物分布圖的準(zhǔn)確性,同時可以讓機(jī)器人找到源頭分布概率最大的位置,是一個實(shí)時路徑規(guī)劃的問題。

本文首先通過貝葉斯理論對羽狀物源頭的概率分布進(jìn)行估計[26],得出源頭概率分布地圖,根據(jù)概率分布地圖的特點(diǎn),利用人工勢場法對羽狀物進(jìn)行追蹤,最后對該方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。

1 源頭概率地圖

嗅覺定位的最終目標(biāo)是要鎖定源頭。利用工程的方法來實(shí)現(xiàn)這一目標(biāo),需要掌握湍流環(huán)境中羽狀物的瞬時分布模型,由于描述湍流中羽狀物的瞬時分布數(shù)學(xué)模型過于復(fù)雜,采用另一種不需要精確數(shù)學(xué)模型的方法來解決。利用概率的方式描述羽狀物在空間和時間上的變化,通過機(jī)器人探測到的信息估算出最有可能的源頭位置。

化學(xué)物質(zhì)從源頭釋放后,在流體擴(kuò)散的作用下形成化學(xué)羽狀物,假設(shè)化學(xué)羽狀物是由無數(shù)條細(xì)絲組成。不同的實(shí)驗(yàn)研究已經(jīng)證明了時間平均的羽狀物濃度沿著流體流動方向呈高斯分布[27-28]:

(1)

對于瞬時濃度分布的研究,很多研究者將羽狀物運(yùn)動視為分子的布朗運(yùn)動疊加在流體中的運(yùn)動之上?；谶@種思想,羽狀物細(xì)絲的位置可以表示為

(2)

根據(jù)式(2),如果已知源頭位置以及流體在任意點(diǎn)的流速,就可以用向前遞推算法計算出化學(xué)羽狀物細(xì)絲的位置。

保證計算可行性的同時需要構(gòu)建出一個適合化學(xué)羽狀物繪圖的模型[27],因此將羽狀物搜尋區(qū)域分為若干個矩形網(wǎng)格,坐標(biāo)系的設(shè)定以及n×m個網(wǎng)格的劃分可參見圖1。定義網(wǎng)格向量C=[C1,…,CN],表示搜索區(qū)域內(nèi)的所有網(wǎng)格。在x方向上定義a∈[1,m]用來計數(shù)網(wǎng)格,在y方向上定義b∈[1,n]用來計數(shù)網(wǎng)格。利用機(jī)器人的位置信息就可以直接計算出機(jī)器人所在的網(wǎng)格序列號(a,b)。此外定義了一個額外的網(wǎng)格C0,額外的網(wǎng)格簡化了后續(xù)的計算和處理,網(wǎng)格可以理解為搜索區(qū)域以外的整個環(huán)境,當(dāng)化學(xué)羽狀物離開搜索區(qū)域時,就可以認(rèn)為進(jìn)入了網(wǎng)格C0。

圖1 搜索區(qū)域網(wǎng)格劃分

為了計算源頭概率分布圖,首先考慮源頭在時刻tl釋放出化學(xué)羽狀物細(xì)絲[29],在時刻tk(tk>tl)對式(2)進(jìn)行積分可以得到羽狀物細(xì)絲的位置和時間的分布狀況:

(3)

其中X(tl,tk)是羽狀物細(xì)絲在時刻tl的位置,Xs=(xs,ys)是在時刻tk源頭釋放出化學(xué)羽狀物細(xì)絲的位置。

化學(xué)羽狀物細(xì)絲在時刻tk的平均位置為

(4)

定義W(tl,tk)為一個高斯噪聲過程:

(5)

通過解算式(3)能夠獲得可能的源頭位置:

(6)

圖1中的每個網(wǎng)格的中心坐標(biāo)代表了網(wǎng)格的位置。由于網(wǎng)格的大小和機(jī)器人相似,并且遠(yuǎn)遠(yuǎn)小于整個搜索區(qū)域,因此可以得到在tk時刻的位置坐標(biāo)為

Xv(tk)=Xj=(xj,yj)。

(7)

由于機(jī)器人只能獲得離散時刻的流場數(shù)據(jù)和位置數(shù)據(jù),因此定義了一個等式進(jìn)行近似轉(zhuǎn)化:

(8)

根據(jù)式(8)可以將式(6)轉(zhuǎn)變?yōu)?/p>

Xs(tl,tk)=Xj-V(tl,tk)-W(tl,tk)。

(9)

其中機(jī)器人的位置決定了Xj,依據(jù)流體速度歷史數(shù)據(jù)可以計算出V(tl,tk),因此Xj-V(tl,tk)是一個可計算的量。W(tl,tk)是一個高斯隨機(jī)變量,均值是0,Xs(tl,tk)也是一個高斯隨機(jī)變量,均值是Xj-V(tl,tk),方差是(tk-tl)σ2。源頭位于Xi的概率取決于W(tl,tk)的概率分布,解方程(9)就可以求出源頭的概率分布。

W(tl,tk)的概率密度函數(shù)(Probability density function-PDF)可寫為

(10)

(11)

(12)

其中Lx,Ly分別是網(wǎng)格的邊長。這樣遍歷所有的網(wǎng)格Ci,可得到源頭位于任意網(wǎng)格Ci的概率,即源頭概率分布地圖。

以上討論的是單個羽狀物細(xì)絲的情況,以下是針對源頭連續(xù)釋放多個羽狀物的情況進(jìn)行兩方面的討論:

(13)

其中源頭概率地圖則可以用向量來表示。

(14)

式(13)和式(14)考慮的是只通過一次計算探測到或者沒探測到的事件來建立源頭概率地圖的方法。在追蹤過程中,會發(fā)生能夠探測到和不能探測到的事件的集合,因此本文利用貝葉斯理論將之前一系列探測到和沒探測到的事件整合到一起進(jìn)行計算,將得到的信息用來更新源頭概率地圖。

B(tk-1)={Dj1(tk-1),Dj2(tk-2),…Djk(t0)}。

(15)

從t0時刻到tk-1時刻,所有探測到和沒探測到事件而建立的概率地圖為

(16)

其中M代表探測羽狀物的事件集合。

在tk時刻網(wǎng)格Cj中探測到羽狀物,可以通過式(13)計算得出源頭概率地圖

P(Ai|Dj(tk))=βij(t0,tk)。

(17)

在tk時刻網(wǎng)格Cj中沒有探測到羽狀物,可以通過式(14)得出在源頭Ci釋放出羽狀物而在tk時刻網(wǎng)格Cj內(nèi)沒有探測到的概率:

(18)

在概率地圖求解的過程中,每一次計算需要用到之前所有的記錄信息,這種方法求解是精確的。但是,在實(shí)際運(yùn)行過程中,計算機(jī)的計算資源十分有限,無法將所有之前的數(shù)據(jù)都進(jìn)行處理,所以在實(shí)驗(yàn)時設(shè)定只對之前50秒所獲得的數(shù)據(jù)信息(采集頻率為1 Hz)進(jìn)行保存,保存的數(shù)據(jù)信息用于源頭概率地圖的求解。

2 基于人工勢場的羽狀物追蹤方法

將解決機(jī)器人路徑規(guī)劃問題上的人工勢場法引入嗅覺搜索系統(tǒng)中,可以將機(jī)器人在工作環(huán)境中的運(yùn)動近似為在虛擬空間中由于力場作用而引起的運(yùn)動。機(jī)器人在人工勢場環(huán)境下受到斥力場和引力場的共同作用,避開障礙物,向著羽狀物源頭位置前進(jìn)。機(jī)器人所在位置受到的勢為所有勢場在該點(diǎn)作用之和,即斥力場和引力場的疊加,它的負(fù)梯度方向表示機(jī)器人受到抽象力的方向。由于無法知曉羽狀物源頭的具體位置,可以用源頭概率分布圖來產(chǎn)生引力場吸引機(jī)器人。通過人工勢場法規(guī)劃出一個最優(yōu)的搜索軌跡,從而達(dá)到羽狀物探測概率的最大化。

當(dāng)機(jī)器人在流場中進(jìn)行運(yùn)動時,伴隨機(jī)器人會產(chǎn)生一個w×w的網(wǎng)格區(qū)域[30],圖2是人工勢場理論示意。

這個區(qū)域稱為“活動窗口”,機(jī)器人始終在窗口的中心位置。在活動窗口中的每個網(wǎng)格都會對機(jī)器人產(chǎn)生一個虛擬力。虛擬力與每個網(wǎng)格的源頭概率值成正比,與機(jī)器人和網(wǎng)格之間的距離成反比。

圖2 人工勢場方法示意

網(wǎng)格Ci對于機(jī)器人產(chǎn)生的虛擬力Fi:

(19)

d=‖Xv-Xi‖。

(20)

其中:LVi是網(wǎng)格Ci的源頭概率值;d是網(wǎng)格Ci與機(jī)器人之間的距離。所有的虛擬力相加得到的虛擬合力F:

(21)

F的大小和方向?qū)C(jī)器人的艏向和移動速度控制都有一定的影響。

如圖2所示,機(jī)器人在搜索區(qū)域內(nèi)沿著人工勢場計算出的合力方向(箭頭方向)進(jìn)行羽狀物的跟蹤運(yùn)動。若機(jī)器人在合力方向上進(jìn)行運(yùn)動一段時間后,沒有發(fā)現(xiàn)新的羽狀物信息,機(jī)器人返回羽狀物發(fā)現(xiàn)行為。若發(fā)現(xiàn)新的羽狀物信息,進(jìn)行發(fā)現(xiàn)羽狀物源頭行為,羽狀物源頭搜尋具體流程如圖3所示。

圖3 羽狀物源頭搜尋任務(wù)規(guī)劃器

3 實(shí)驗(yàn)結(jié)果和分析

為了得到復(fù)雜、時變的水流流場,將實(shí)驗(yàn)場地選擇為江北松花江支流流域,實(shí)驗(yàn)區(qū)域的水深為4～10 m,水流以江水的流動為主。在實(shí)驗(yàn)期間,通過流速計對實(shí)驗(yàn)區(qū)域進(jìn)行測量得到的流速約為0.1 m/s。

由于該水域沒有可供探測和追蹤的自然化學(xué)羽狀物,因此,實(shí)驗(yàn)期間我們采用向水中釋放羅丹明水溶液(釋放量約為1～2 g/min,羅丹明水溶液無毒,如圖4所示)模擬化學(xué)羽狀物源頭,釋放的羅丹明溶液在水流的作用下擴(kuò)散形成羽狀流。

圖4 模擬源頭

為了便于觀察羽狀流的擴(kuò)散情況,實(shí)驗(yàn)中將羽狀流源頭放至于水面以下0.2 m處。由于羽狀流分布在近水面,所以羽狀流的分布除了受水流影響外,還受到表面波浪的影響。雖然近水面釋放的羽狀流特性與水下羽狀流分布特性不完全相同(主要體現(xiàn)在連續(xù)性方面),但能夠直觀地觀察到羽狀流的分布給實(shí)驗(yàn)帶來了一定的方便,并且在實(shí)驗(yàn)期間水流表面波浪極小,對羽狀流分布的影響不大。模擬源頭位置約為(105 m,35 m),在實(shí)驗(yàn)中,羅丹明羽狀物溶液在距離羽狀物源頭約70 m的位置被傳感器檢測到。

實(shí)驗(yàn)用水下機(jī)器人(如圖5)具有兩個主推、一個垂推、MPU6050磁羅經(jīng)、GPS以及羅丹明傳感器(Rhodamine-WT)(如圖6),用于測量水中化學(xué)物質(zhì)的濃度。在實(shí)驗(yàn)期間將羅丹明濃度閾值設(shè)定為1.0 μg/l。即超過1.0 μg/l,認(rèn)為探測到羅丹明溶液,低于這個閾值認(rèn)為沒有探測到羅丹明溶液。在實(shí)驗(yàn)過程中水下機(jī)器人始終在水面進(jìn)行追蹤,沒有使用垂向推進(jìn)器進(jìn)行深度控制。水下機(jī)器人的平均航行速度約為0.5 m/s,傳感器采樣頻率為1 Hz,即每1 s采集一次數(shù)據(jù)。

圖5 實(shí)驗(yàn)機(jī)器人

圖6 (Rhodamine-WT)羅丹明傳感器

整個搜索區(qū)域?yàn)?0 m×120 m矩形區(qū)域,將搜索區(qū)域劃分成30×60個網(wǎng)格,即1 800個網(wǎng)格。網(wǎng)格劃分如圖7所示。五角星位置代表的是模擬源頭的位置,源頭位置為(105 m,35 m)1 073網(wǎng)格。實(shí)驗(yàn)規(guī)定將機(jī)器人初始時刻的艏向設(shè)置為x軸的正向,機(jī)器人左側(cè)的方向?yàn)閥軸的正向。

圖7 實(shí)驗(yàn)區(qū)域網(wǎng)格劃分

網(wǎng)格劃分為30×60個網(wǎng)格,每個網(wǎng)格大小為2 m×2 m,這個尺寸和機(jī)器人的尺寸大小基本一致。

圖8所示為機(jī)器人追蹤羽狀物路徑圖。機(jī)器人在(0 m,0 m)位置出發(fā),源頭位置在(105 m,35 m),即1 073網(wǎng)格。路徑圖顯示機(jī)器人在搜索區(qū)域的右下角為起點(diǎn),在開始階段進(jìn)行Z型搜索行為。當(dāng)發(fā)現(xiàn)羽狀物后轉(zhuǎn)為人工勢場方法進(jìn)行追蹤。機(jī)器人利用人工勢場方法計算出的路徑進(jìn)行追蹤,直到發(fā)現(xiàn)源頭位置。

圖8 追蹤羽狀流路徑圖

機(jī)器人在960 s時通過計算得出模擬源頭位置為(103 m,39 m),機(jī)器人在1 019 s時移動到該位置,該位置與源頭位置之間距離約為5 m。由于在實(shí)驗(yàn)中水下機(jī)器人帶纜航行,為了避免機(jī)器人的纜與釋放羅丹明的裝置碰撞而發(fā)生危險,在到達(dá)源頭附近區(qū)域后將水下機(jī)器人打撈出水。圖8中綠色區(qū)域表示在整個追蹤過程中探測到濃度的位置,可以看出第一次探測到濃度大于閾值的位置是在(35 m,39 m)位置。第一次探測到的位置距離源頭位置的距離約為70 m。圖9表示的是在實(shí)驗(yàn)過程中水流速度的變化。圖10表示的是水下機(jī)器人探測到羽狀物濃度的數(shù)值。濃度超過閾值就代表探測到化學(xué)物質(zhì),距離源頭越近,探測到濃度大于閾值的概率就越大,這也符合常理。

圖9 流速數(shù)據(jù)圖

圖10 羽狀物濃度數(shù)據(jù)圖

圖11顯示的是機(jī)器人在初始運(yùn)動時刻(t=0 s),通過貝葉斯理論計算得出的概率地圖,可以看出在沒有任何信息的初始時刻,所有網(wǎng)格的概率都相同,為1/1 800,約為0.000 555。

圖11 t=0 s時刻源頭概率分布圖

圖12顯示的是機(jī)器人第一次探測的濃度值超過閾值時的概率分布圖。第一次探測到的時間為368 s,機(jī)器人位置為(35 m,39 m)1 138網(wǎng)格,計算出的最大概率位置為(41 m,33 m)981網(wǎng)格。機(jī)器人位置距離概率最大位置的距離約為8.5 m。此時計算出的最大概率值為0.204 3,人工勢場力的角度為-50.22°。

圖12 第一次探測到化學(xué)物質(zhì)時刻概率地圖

Fig. 12 Odor source probability map of plume was searched first time

圖13顯示的是機(jī)器人在中間時刻計算得出的概率分布圖。時間為712 s,機(jī)器人位置為(77 m,31 m)939網(wǎng)格,計算出的最大概率位置為(83 m,35 m)1 062網(wǎng)格。機(jī)器人位置距離概率最大位置的距離約為8.5 m。此時計算出的最大概率值為0.410 6,人工勢場力的角度為44.34°。

圖13 t=712 s時刻概率分布地圖

圖14顯示的是機(jī)器人在t=960 s時刻計算得出的概率分布圖。機(jī)器人位置為(99 m,41 m)1 250網(wǎng)格,計算出的最大概率位置為(103 m,39 m)1 192網(wǎng)格。機(jī)器人位置距離概率最大位置的距離約為5 m。此時計算出的最大概率值為0.9018,人工勢場合力的角度為-27.53°。

圖14 t=960 s時刻概率分布地圖

根據(jù)圖12,圖13,圖14可以看出在小范圍內(nèi)的源頭概率值很高,而在小范圍以外的區(qū)域概率值都非常小。并且源頭概率地圖逐漸收斂至源頭附近位置,同時概率值逐漸增加。從實(shí)驗(yàn)結(jié)果來看,機(jī)器人可以實(shí)時估算出源頭概率地圖,通過人工勢場的方法得到跟蹤羽狀物的準(zhǔn)確路徑,從而有效地跟蹤羽狀物直至確認(rèn)羽狀物源頭。

圖15為指令艏向角曲線圖。該曲線圖在初始時刻進(jìn)行的是Z型搜索,搜索角度為±75°。在368s第一次探測的濃度超過閾值之后,指令艏向角是通過計算人工勢場合力的角度得出。人工勢場合力的角度就是機(jī)器人的指令艏向角。

圖15 指令艏向角曲線圖

從實(shí)驗(yàn)結(jié)果來看,在真實(shí)的水流環(huán)境下,基于人工勢場理論的機(jī)器人羽狀物跟蹤方法可以有效的估算出的羽狀物源頭概率分布地圖并且計算出羽狀物的跟蹤路徑,機(jī)器人可以沿著搜尋路徑跟蹤羽狀物,直至確認(rèn)羽狀物源頭。

4 結(jié) 論

本文對嗅覺定位技術(shù)進(jìn)行了研究,利用貝葉斯理論對羽狀物源頭的概率分布進(jìn)行估計計算,繪制出源頭概率分布地圖。針對化學(xué)羽狀物追蹤問題提出了基于人工勢場的追蹤策略方法。并且對于機(jī)器人化學(xué)羽狀物追蹤問題進(jìn)行了真實(shí)水流環(huán)境下的追蹤實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果驗(yàn)證了貝葉斯理論實(shí)時在線更新源頭概率分布圖的可靠性。同時證明了人工勢場法的有效性,說明基于工程理論的嗅覺追蹤策略也同樣適用于真實(shí)水流環(huán)境,加入人工勢場方法以及傳感器和計算資源的優(yōu)勢,能夠得到比利用生物仿生行為追蹤方式更好的效果。

[1] DUSENBERY D B.Sensory Ecology:How Organisms Acquire and Respond to Information[M]. WH Freeman and Co,New York,1992.

[2] VICKERS N J.Mechanisms of animal navigation in odor plumes[J]. Biological Bulletin,2000, 198(2):203-212.

[3] ZIMMER R K, BUTMAN C A. Chemical signaling processes in the marine environment[J]. Biological Bulletin,2000,198(2):168-187.

[4] HASSLER A D, SCHOLZ A T. Olfactory Imprinting and Homing in Salmon[M]. Springer-Verlag,New York,1983.

[5] NEVITT G A. Olfactory foraging by antartic proellariiform seabirds: Life at high Reynolds numbers[J]. Biological Bulletin,2000,198(4):245-253.

[6] CARDE R T, Mafra-Neto A. Effect of pheromone plume structure on moth orientation to pheromone[J]. Perspectives on Insect Pheromones, 1996,275-290.

[7] CARDE R T. Odour plumes and odour-mediated flight in insects[J]. Ciba Found Symp. 1996,200:54-70.

[8] Mafra-Neto A and CARDE R T. Fine-scale structure of pheromone plumes modulates upwind orientation of flying moths[J]. Nature,1994,369:142-144.

[9] BELL W J,TOBIN T R. Chemo-orientation[J]. Biol. Rev. 1982,57:219-260.

[10] LYTRIDI C,KADER E E, VIRK G S. A systematic approach to the problem of odour source localization[J]. Autonomous Robots,2006,20(3):261-276.

[11] KING T L,HORINE F M,DALY K C,et al. Explosives detection with hard-wired moths[J]. IEEE Transactions on Instrumentstion and Measurement,2004,53(4):1113-1118.

[12] HAYES A T, MARTINOLI A, GOODMAN R M. Distributed odor source localization[J]. IEEE Sensors Journal,2002, 2(3):260-271.

[13] LI W, FARRELL J A, PANG S,et al. Moth-inspired chemical plume tracing on an autonomous underwater vehicle[J]. IEEE Transactions on Robotics,2006,22(2):292-307.

[14] BERG H C and BROWN D A. Chemotaxis in escherichia coli analysed by three dimensional tracking[J]. 1972(239):500-504.

[15] BELANGER J H,WILLIS M A. Adaptive control of odor-guider location: Behavioral flexibility as an antidote to environmental unpredictability[J]. Adaptive Behavior,1998,4:217-253.

[16] BELANGER J H,WILLS M A. Biologically-inspired search algorithms for locating unseen odor sources[C]//Proceedings of the 1998 IEEE ISIS/CIRA/ISAS Joint Conference on the science and Technology of Intelligent Systems, Gaithersberg,USA: IEEE, 1998,265-270.

[17] GRASSO F W, CONSI T, MOUNTAIN D, et al. Locating odor sources in turbulence with a lobster inspired robot[C]//From Animals to Animals 4: Proceedings of the Fourth International Conference on Simulation of Adaptive Behavior, Cambridge,MA,1996, 104-112.

[18] GRASSO F W,CONSI T R,MOUNTAIN D C,and ATEMA J. Biomimetic robot lobster performs chemo-orientation inturbulence using a pair of spatially separated sensors: Progress and challenges[J]. Robotics and Autonomous Systems,2000,30(1):115-131.

[19] GRASSO F W. Invertebrate-inspired sensory-motor systems autonomous,olfactory-guided exploration[J],Biological Bulletin,2001,200:160-168.

[20] LI W,FARRELL J A,PANG S,et al. Moth behavior based subsumption architecture for chemical plume tracing on a REMUS autonomous underwater vehicle[J]. IEEE Transactions on Robotics and Automation,2006,22(2):292-307.

[21] LI W, FARRELL J A,CARDE R T. Tracking of fluid-advected odor plumes: Strategies inspired by insect orientation to pheromone[J]. Adaptive Behavior,2001,9(3-4):143-170.

[22] 田宇,李偉,張艾群.自主水下機(jī)器人深海熱液羽狀流追蹤仿真環(huán)境[J]. 機(jī)器人. 2012,34(2):159-168

TIAN Yu, LI Wei, ZHANG Aiqun. A simulation environment for deep-sea hydrothermal plume tracing with autonomous underwater vehicles[J]. Robot, 2012,34(2):159-168.

[23] 田宇,張艾群,李偉. 一種自主水下機(jī)器人追蹤深海熱液浮力羽流的基于行為規(guī)劃算法[C].第32屆中國控制發(fā)展會議. 2013,7:5819-5825.

TIAN Yu,ZHANG Aiqun,LI Wei. A behavior-based planning algorithm for tracking of deep-sea hydrothermal buoyant plumes with autonomous underwater vehicles[C]//Proceedings of the 32nd Chinese control conference. 2013,7:5819-5826.

[24] VERGASSOLA M, VILLERMAUX E, SHRAIMAN BI. Infotaxis as a strategy for searching without gradients[J]. Nature,2007,445(7126):406-409

[25] FARRELL J A, PANG S,LI W. Plume mapping via hidden markov methods[J]. IEEE Transactions on Systems,Man,and Cybernetics-Part B: Cybernetics,2003,33(6):850-863

[26] PANG S, FARRELL J A. Chemical plume source localization[J]. IEEE Transactions on Systems,Man,and Cybernetics-Part B: Cybernetics,2006, 36(5):1068-1079

[27] GONEALO Cabrita, PEDRO Sousa, LINO Marques. Player/Stage simulation of olfactory experiments[C]//2010 IEEE/RSJ International Conference on Intelligent Robots and Systems, Taiwan,2010:1120-1125.

[28] CRIMALDI J. P.,WILEY M B,KOSEFF J R. The relationship between mean and instantaneous structure in turbulent passive scalar plumes [J]. Journal of Turbulence,2002,3(14):215-220

[29] 李吉功. 室外時變氣流環(huán)境下機(jī)器人氣味源定位[D].天津：天津大學(xué). 2010.

[30] 糾海峰. 水下機(jī)器人在湍流環(huán)境下對化學(xué)羽狀物的追蹤定位[D]. 哈爾濱：哈爾濱工程大學(xué).2011.

(編輯：劉素菊)

Chemical plume tracing and localization method based on olfaction for underwater

DENG Wei, HAN Duan-feng, JIU Hai-feng

(College of Shipbuilding Engineering, Harbin Engineering University, Harbin 150001, China)

To solve the problem of underwater vehicle searching chemical plume in real water environment, and based on biological olfactory positioning principle, efficiency and accuracy of searching was improved. a probability distribution map was built and a kind of path planning strategy was proposed. According to the flow field and plume information which were detected by vehicle in its searching area after chemical plume was released, trend of chemical plume in time and space was described based on Bayesian theory. And best search track was planned based on artificial potential field (ATF) method. The underwater vehicle can search along the tracking path above until found the plume source. Through tracing experiments in real water flow environment, the result was good and the feasibility of the tracing path was verified.

underwater vehicle; biological olfactory location; plume track; Bayesian theory; artificial potential field

2015-07-06

國家自然科學(xué)基金(61175095)

鄧 薇(1985—),女,博士研究生,研究方向?yàn)樗聶C(jī)器人路徑規(guī)劃;

韓端鋒(1966—),男,教授,博士生導(dǎo)師,研究方向?yàn)樗聶C(jī)器人智能技術(shù);

鄧 薇

10.15938/j.emc.2016.01.017

TP 24

A

1007-449X(2016)01-0110-09

糾海峰(1985—),男,博士研究生,研究方向?yàn)闄C(jī)器人嗅覺研究。