(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211076595.X (22)申请日 2022.09.05 (71)申请人 中国计量大 学 地址 310018 浙江省杭州市钱塘区学源街 168号中国计量大 学 申请人 浙江省轻工业品质量检验研究院 (72)发明人 梁恒瑞　骆立刚　丁涛　穆金霞　 邓琴　刘振国　 (51)Int.Cl. G01N 33/00(2006.01) G01D 21/02(2006.01) G06N 3/00(2006.01) B64C 39/02(2006.01) (54)发明名称 一种基于改进天牛须搜索算法的多气体污 染源定位方法 (57)摘要 本发明公开了一种基于改进天牛须搜索算 法的多气体污染源定位方法， 为了弥补现有多气 体源定位技术的不足， 本发明创新性的将多无人 机群与改进天牛须搜索算法结合， 提出了一种基 于改进天牛须搜索算法的多气体污染源定位方 法。 在组方法中包括组形成、 限制组大小、 组合 并、 组解散， 在评估无人机加入哪个组时考虑距 离和适应度， 有助于无人机在同时接收多个信号 时有选择的加入组； 限制组大小提高了无人机分 配效率； 组合并是当两个组的全局最佳位置的无 人机的y位置坐标差小于侧风距离时合并， 可 以 提升系统性能和避免局部冗余； 考虑组解散， 避 免该组一直停留在已找到的气体源中。 本方法在 多气体污染源浓度场仿真实验中， 高效地实现了 多气体污染源的定位。 权利要求书3页 说明书5页 附图6页 CN 115524447 A 2022.12.27 CN 115524447 A 1.一种基于改进天牛须搜索算法的多气体污染源定位方法， 其特征在于， 包括以下步 骤： 步骤1： 在待监测区设定n架无人机Ri(i＝1...n)， 在待监测区存在m个气味源Sj(j＝ 1...m)； 步骤2： 初始化设定， 即 设定无人机的初始位置； 步骤3： 采用改进天牛 须搜索算法搜索气体污染源， 包括以下步骤： 步骤3.1： 初始化 参数设定， 位于羽流附近的阈值Thr、 气体源定位成功的阈值Thg； 步骤3.2： 计算初始无 人机群各个 体Ri的适应值； 步骤3.3： 判断无人机Ri适应度值是否超过阈值Thr， 若超过， 则执行步骤3.4， 否则， 执行 步骤3.5； 步骤3.4： 采用组方法进行多无 人机协作搜索， 包括以下步骤： 步骤3.4.1： 采用组形成方法形成组； 其中， 组形成方法为无人机比较其接收的信号强度， 并加入其接收最强信号的组， 信号 强度取决于无 人机的适应度值和距离： Vij＝fiti·exp(‑dij) 其中Vij是由无人机Ri在半径Gr内产生并由无人机Rj接收到的信号， fiti是无人机Ri的适 应度值， dij是无人机Ri和Rj之间的距离， 使用 信号强度方程组形成的方式同时考虑了距离 和适应度， 有助于无 人机在同时接收多个信号时决定应加入哪个组； 步骤3.4.2： 判断组的大小是否 大于Gmaxsize， 若大于， 则需进行限制组大小操作后执行步 骤3.4.3， 否则直接执 行步骤3.4.3； 其中， 限制组大小方法定义了参数Gmaxsize， 以限制组中无人机的最大数量， 这有助于实 现更好的资源利用率， 随着无人机数量的增加， 组的大小也增加， 但是气体源数量的增加将 导致群体规模的减小， 因此寻找额外气体源所需的无人机数量也应增加， 所以定义了限制 组大小的函数， 函数如下： wm＝|0.5‑(1/(exp(m) ))| 其中， n是无人机总数， m是气体源数量， λ是常数， 当形成一个组时， 如果形成的组的大 小大于Gmaxsize， 则将从该组中删除P个性能最差的无 人机， P的计算公式如下： P＝gksize‑Gmaxsize 其中， gksize是组gk的大小， P是从组gk中移除的无 人机的数量； 步骤3.4.3： 用天牛 须搜索算法更新组中无 人机的位置， 包括以下步骤： 步骤3.4.3.1： 将无 人机从多污染源区域中的任意 一点起飞， 起飞时机 头方向任意； 步骤3.4.3.2： 无人机的两侧各搭载着一个气体传感器， 在飞行中， 当左侧传感器所测 污染物气体浓度Cleft大于右侧传感器所测气体浓度Cright时， 无人机向左边移动一个步 长step， 反 之， 无人机向右 移动一个步长step； 步骤3.4.3.3： 气体传感器每秒读取一次数据， 所读取的数据是当前两侧 气体传感器测 得的无人机左右两侧气体浓度Cleft和Cright；权　利　要　求　书 1/3 页 2 CN 115524447 A 2步骤3.4.3.4： 无 人机旋转任意角度， 调整飞行 方向； 步骤3.4.3.5： 无人机不重复步骤3与步骤4， 迭代天牛须搜索算法， 逐步逼近气体污染 源； 步骤3.4.3.6： 当无 人机在某点附近小范围来回运动时， 认为找到 了气体污染源； 其中， 天牛 须的方向为： dir＝rand(2,1) 计算天牛左须坐标即无 人机左侧传感器位置为： 式中： d0为两个传感器之间的距离； x为无 人机初始位置； 计算天牛右须坐标即无 人机右侧传感器位置为： 无人机下一 步的位置为： 步骤3.4.4： 计算两组之间的侧风距离是否小于其半径之和， 若小于， 则需进行组合并 操作后再输出， 否则直接 输出； 其中， 组合并方法采用侧风距离Cd的测量方法， 即两个无人机组 中表现最佳的无人机之 间y方向的距离， 如果两组之间的侧风距离小于其半径之和， 则合并两组： Cd(Ygk‑Ygl)＜(Rgk+Rgl) 其中， Cd是组gk和组gl中表现最佳的无人机之间的侧风距离， Ygk和Ygl分别属于组gk和 组gl的全局最佳 无人机的y位置坐标， Rgk和Rgl分别是组gk和组gl的半径； 步骤3.5： 无 人机进行随机 搜索； 步骤3.6： 判断无人机Ri适应度值是否超过阈值Thg， 若超过， 则执行步骤3.7， 否则， 回到 步骤3.2； 步骤3.7： 发现一个气体源， 进而判断无人机Ri是否属于组， 若属于则进行组解散， 否则 确定无人机Ri未分配组； 其中， 组解散方法为如果一个组找到气体源， 则该组解散， 该组 的成员就分布在其他组 中， 在分布过程中， 重要的是在羽流发现和羽流跟踪阶段的无人机数量之间保持平衡， 为 此， 定义了阈值Thp， 并由以下等式给 出： 其中， β 为常数， Populationsize为组的大小， 将其他组的无人机数量与阈值Thp进行比 较， 若该数量小于阈值Thp， 则无人机根据每个组的效益加入其他组， 组的效益是根据组的 需求和加入该组的成本来定义的， 组的效益 为：权　利　要　求　书 2/3 页 3 CN 115524447 A 3