时变流场环境中机器人搜寻气味源方法

摘要

本发明公开一种时变流场环境中机器人搜寻气味源方法，有：烟羽发现阶段：在气味源搜寻任务开始时没有测得任何气味信息的情况下，机器人在任意边界形状的区域中进行流向随动双向Z字形的烟羽搜寻；烟羽跟踪阶段：在测得气味信息时，根据历史流速/流向计算最大可能气味轨迹，并沿最大可能气味轨迹搜寻气味源；烟羽再发现阶段：在烟羽跟踪过程中，若在沿最大可能气味轨迹搜寻气味源过程结束之前没能再次发现气味信息，根据已知的最近一次测到气味时的位置，来重新发现烟羽；气味源确认阶段。本发明具有使用的安全性高、搜索的灵活性大、搜寻效率和成功率高、完整的气味源自主搜寻和适用性强的特点。

说明书

技术领域

本发明涉及一种机器人搜寻气味源方法。特别是涉及一种完整的、可应用于实际的时变流场环境下机器人快速发现气味烟羽及沿气味最大可能扩散轨迹搜索气味源并最终确认气味源的时变流场环境中机器人搜寻气味源方法。

背景技术

随着工业化的发展，有毒有害气体(包括易燃易爆气体)已成为人们在生产和生活中不得不面对的危险来源。石油和化工行业、环保应急事故、恐怖袭击、危险品储运、垃圾填埋等均是有毒有害气体发生和泄漏较为普遍的场所。因此，一种针对有毒有害气体泄漏源搜寻和定位的研究及应用就显得非常必要。一方面，它可为此类突发事件的预警和应急处理提供技术支持；另一方面，对于保障人民生命财产安全，促进经济社会的和谐发展具有重大现实意义。

一个新兴的研究及应用方向就是如何将气味跟踪、定位与移动机器人技术相结合，通过使用移动机器人来发现、跟踪并确定气味的源头，即所谓气味源的主动搜寻问题。主动搜寻可以有效地弥补传统方法(包括固定传感器网络法、专业人员或经过训练的动物到泄漏源现场查找等)存在的缺点。一方面，由于移动机器人的运动性，它相当于组成一个移动传感器网络，相比固定传感器网络可以覆盖的范围更大且动作灵活；另一方面，机器人可被快速开发、维护费用低、且可长时间工作，也不存在危险、注意力时间有限、易疲劳等问题。

Wei Li等将气味源的主动搜寻问题简化并分解为4个子任务：烟羽发现(是指使用移动机器人，以自主(非遥控)的方式来寻找组成气味烟羽的分子团的过程)、烟羽跟踪、烟羽再发现和气味源确认(Wei Li，Jay A.Farrell，Shuo Pang，and Richard M.Arrieta.Moth-Inspired Chemical Plume Tracing on an Autonomous Underwater Vehicle.IEEETransactions On Robotics，vol.22，no.2，April 2006，pp.292-307)。

1、烟羽发现和再发现

不同点：烟羽发现用于气味烟羽(是从气味源释放的分子团被流体(气态的或液态的)吹散以后像羽毛一样在空气(或液体)中飘扬形成的气味轨迹；烟羽是由飘落在空中(或水中)的很多离散气味包组成)信息完全未知的情况，而烟羽再发现则用于存在一定烟羽先验信息的情况，如机器人曾在某处测得过一次气味信息。

相同点：两者均是在当前一段时间内机器人没有检测到气味信息的情况下，为了找到烟羽而进行的搜索。

总体来讲，目前已有的研究成果可归纳为随机式和工程式两类。

随机式的方法是一类不考虑已有的或可获得的一些信息(如流速/流向、最近测到烟羽时的地点等)而以完全随机或半随机的方式行走并期望找到烟羽的方法。外螺旋方法是典型的随机方法(A.T.Hayes，A.Martinoli，and R.M.Goodman.Distributed odorsource localization.IEEE Sensors Journal，vol.2，no.3，June 2002，pp.260-271)(Thomas Lochmatter，Xavier Raemy，Matthey，Saurabh Indra and AlcherioMartinoli.A Comparison of Casting and Spiraling Algorithms for Odor SourceLocalization in Laminar Flow.2008 IEEE International Conference on Robotics andAutomation，Pasadena，CA，USA，May 19-23，2008，pp.1138-1143)。该方法以当前机器人位置及某朝向角度为起始参数，并以某螺旋半径顺时针或逆时针方向向外产生螺旋线(如阿基米德螺旋线)作为规划路径，使机器人沿着该路径进行烟羽的探测。该方法常用于烟羽发现。

相比之下，工程方式的方法则在一定程度上采用了已知信息(如流速/流向、最近测到烟羽时的地点等)，并使机器人以某种方式行走并探测烟羽，典型方法有：

(1)沿着垂直于流向的方向搜索(David B.Dusenbery.Optimal search directionfor an animal flying or swimming in a wind or current.Journal of Chemical Ecology，Vol.15，No.11，November 1989，pp.2511-2519)；

(2)半垂直于流向的Z字形搜索(Wei Li，Jay A.Farrell，Shuo Pang，and RichardM.Arrieta.Moth-Inspired Chemical Plume Tracing on an Autonomous UnderwaterVehicle.IEEE Transactions On Robotics，vol.22，no.2，April 2006，pp.292-307.)(Wei Li，Jay A.Farrell，Ring T.Cardé.Tracking of Fluid-Advected Odor Plumes：Strategies Inspired by Insect Orientation to Pheromone.Adaptive Behavior，vol.9，2001，pp：143-170.)；

(3)三叶草形搜索(Wei Li，Jay A.Farrell，Shuo Pang，and Richard M.Arrieta.Moth-Inspired Chemical Plume Tracing on an Autonomous Underwater Vehicle.IEEETransactions On Robotics，vol.22，no.2，April 2006，pp.292-307.)；

其中，方法(1)、(2)常用于烟羽发现，方法(3)则常用于烟羽再发现。

上述烟羽发现/再发现方法存在的问题：

(a)外螺旋方法效率低，覆盖整个搜索区域需要花费的时间多；

(b)工程方法(1)要求机器人处于气味源的下游方位，这与实际情况不一定相符；

(c)工程方法(2)要求搜索区域为矩形，且矩形的某一对边界与平均流向平行。事实上，流向往往是时变的，故而平均流向也是时变的，而且实际可搜索区域也并不一定呈矩形。因此使搜索区域依赖于时变(即下一时刻未知)的平均流向并不符合实际应用要求；

(d)工程方法(3)在已知上次测到气味时机器人位置的情况下，可能在远离该位置的下游方向再次发现烟羽，从而会导致机器人远离气味源。

2、烟羽跟踪

广义的烟羽跟踪是指机器人利用测到气味时的相关信息(如气味浓度、流速/流向等)，规划自身运动并趋向气味源的过程。在流场中，存在两种形态的路径：由当前所有气味包构成的“烟羽条带”表现的路径、某气味包从气味源被释放到当前时刻所经过的路径或形成的轨迹。在恒定流场(各流体质点的速度及方向不随时间变化的流场)中，两者是重合的；但在时变均匀流场(各流体质点的速度及方向随时间而变化，但不随空间而变化的流场)中，两者是关于气味源位置和某气味包当前位置的连线中点对称的。已有的烟羽跟踪方法都是在跟踪“烟羽条带”，属于狭义的烟羽跟踪。这种狭义的烟羽跟踪不仅速度较慢，而且在错综复杂的室内环境中不太可能实现；另外，由于目前常用的嗅觉传感器(如金属氧化物半导体型)存在较大的响应时间及恢复时间(＞3秒)，在随时间变化较快的时变流场(是指移动机器人所处的流体环境(气态的或者液态的)中，各空间点处的流速及流向随时间而变化)下很难保证实时的烟羽跟踪。作为另一种选择，当机器人测得气味时，推理并逆向跟踪该气味包从气味源释放到现在所形成的最大可能轨迹不失为一种新颖的方法。

3、气味源确认

所谓气味源确认，是指在烟羽发现/再发现及烟羽跟踪的基础上，通过一定的算法或策略，判定气味源就在某处。该项任务可由其他传感器(如视觉、激光传感器等)来辅助完成，但不一定是必要的，因为气味源并不一定是可视的或者是激光可测的。因此，气味源的确认一般还主要依靠嗅觉和流速/流向传感器。在此不予讨论基于多机器人或流速为零的室内环境中的气味源确认方法。现有的基于单机器人、流速不为零的流场环境中的气味源确认方法包括：

(1)螺旋波动气味源定位行为(Ishida H，Nakamoto T，Moriizumi T.Gas/Odor PlumeTracing Robot.Sensors Update，6.Weinheim，Germany：Wiley，2000)

(2)定长测得位置序列判定法(Wei Li，Jay A.Farrell，Shuo Pang，and RichardM.Arrieta.Moth-Inspired Chemical Plume Tracing on an Autonomous UnderwaterVehicle.IEEE Transactions On Robotics，vol.22，no.2，April 2006，pp.292-307)

方法(1)有两个缺陷：在离气味源很远的位置也可能出现和气味源附近类似的情况，并且依赖强而恒定的气流信息。方法(2)在流向基本恒定，且机器人已经处于烟羽之中的情况下，很可能会使机器人过早地宣告气味源确认完成。

综上所述，以上诸多方法虽有其独到的一面，但或需要满足一些假设，或对环境参数有一定依赖，或对任意情况的考虑不够，因此将上述算法直接应用于较为复杂的实际环境，很难获得满意的结果。

发明内容

本发明所要解决的技术问题是，提供一种完整的机器人烟羽发现及沿气味最大可能轨迹搜索并确认气味源，可适用于具有任意边界形状的时变流场环境中机器人搜寻气味源方法。

本发明所采用的技术方案是：一种时变流场环境中机器人搜寻气味源方法，包括有如下阶段：

(I)烟羽发现阶段：在气味源搜寻任务开始时没有测得任何气味信息的情况下，机器人在任意边界形状的区域中进行流向随动双向Z字形的烟羽搜寻；

(II)烟羽跟踪阶段：在测得气味信息时，根据历史流速/流向计算最大可能气味轨迹，并沿最大可能气味轨迹搜寻气味源；

(III)烟羽再发现阶段：在烟羽跟踪过程中，若在沿最大可能气味轨迹搜寻气味源过程结束之前没能再次发现气味信息，根据已知的最近一次测到气味时的位置，来重新发现烟羽；

(IV)气味源确认阶段。

机器人搜寻气味源过程中的每一控制周期内，都要根据检测到的障碍物情况检查当前阶段规划出的理想目标点是否可达，若可达则实际目标点即为理想目标点，否则以机器人位置为起点，向理想目标点方向做射线求实际可达目标点，使得实际可达目标点与障碍物的距离略大于机器人外轮廓半径。

所述的流向随动双向Z字形的烟羽发现阶段，是在任意边界形状的区域内，在开始时总是沿着与当前平均流向成α_down角度的顺流方向进行Z字形的气味搜寻，当到达搜索区域下游边界时，则开始沿着与当前平均流向成α_up角度的逆流方向进行Z字形的气味搜寻，当到达上游边界时，又切换为顺流Z字形，如此反复，直到发现气味信息。所述的α_down为小于90度的角，α_up为大于90度小于180度的角。

所述的烟羽跟踪阶段，包括有如下步骤：

(1)计算最大可能气味轨迹；

(2)沿最大可能气味轨迹搜寻气味源；

(3)判断是否测得气味？测得气味直接进入第(IV)阶段，否则进入下一步；

(4)最大可能气味轨迹跟踪是否完毕？跟踪完毕进入第(III)阶段，否则返回第(2)步继续进行搜寻。

执行第(2)步所述的沿最大可能气味轨迹搜寻气味源时，要沿着与最大可能气味轨迹平行且在顺流方向有设定偏移距离的搜寻路径运动。

所述的烟羽再发现阶段，包括有如下步骤：

(1)采用同向偏心椭圆簇形式的烟羽再发现方式进行搜寻；

(2)判断是否测得气味？测得气味返回第(II)阶段重新开始，否则返回第(1)步继续进行。

所述的同向偏心椭圆簇形式的烟羽再发现方式是，设定所有的椭圆轨迹具有固定的长短半径比；椭圆的中心点沿短半轴的方向共线；相邻椭圆的短半径之差为常数；相邻椭圆的中心点间距小于相邻椭圆的短半径之差；从里向外，共线的椭圆中心点的取向为平均流向的反方向。

所述的气味源确认阶段，包括有如下步骤：

(1)判断是否满足气味源确认条件？满足确认条件则估计气味源位置并进入下一步，否则返回第(II)阶段重新开始；

(2)气味源搜寻结束。

第(1)步所述的气味源确认条件以及估计气味源位置，是一种采用3σ准则判断机器人是否到达气味源的方法，包括如下过程：

1)求出最近W次测得气味时机器人位置的均值和标准差，W取大于3的整数；

2)判断W次测得气味时机器人的位置与所求出的机器人位置的均值的差值绝对值是否小于3倍的标准差，如果W个差值绝对值均小于3倍的标准差，而且在设定的时间内保持这一状态不变，则判定满足气味源确认条件。

3)估计气味源位置；机器人位置的均值即判断为气味源的位置。

本发明提出的时变流场环境中机器人搜寻气味源方法，具有如下优点：

(1)安全性高。相比专业人员或经过训练的动物到现场泄漏源搜索方法，由于本发明采用机器人搜寻，因此具有安全性高的优点。

(2)灵活性大。相比固定传感器网络法确定气味源位置，由于移动机器人的运动性，它相当于组成一个移动传感器网络，因此搜索的灵活性更大。

(3)高效率、高成功率。本发明综合运用了流向随动双向Z字形的快速烟羽发现、沿最大可能气味轨迹搜寻气味源、同向偏心椭圆簇形式的可靠烟羽再发现，以及基于3σ准则的气味源确认等方法，很大程度上提高了搜寻效率和成功率。

(4)完整性好。本发明从实际应用出发，融合了超声测距传感器、流速/流向传感器、编码器、电子罗盘、嗅觉传感器等多种感知信息，针对有障碍物的时变流场环境(实际室内或室外环境)提出了一套完整的气味源自主搜寻策略。

(5)适用性强。较强的适用性主要体现为：对搜索区域形状及几何尺寸的普适性、流速/流向动态变化的自适应性，以及嗅觉传感器的时间延迟对气味源搜寻不产生较大负面影响等方面。

附图说明

图1是本发明时变流场环境中机器人搜寻气味源方法的流程图；

图2是本发明的任意边界形状区域中流向随动双向Z字形烟羽发现路径示意图；

图3是本发明的沿最大可能气味轨迹搜寻气味源的示意图；

图4是本发明的同向偏心椭圆簇形式的烟羽再发现路径的示意图；

图5是机器人及传感器组成的结构示意图。

其中：

1：不规则搜索区域边界    2：双向Z字形路径

3：机器人起始位置        4：流向

5：未知气味源            6：机器人发现气味点

7：最大可能气味轨迹      8：搜寻路径

9：当前烟羽条带          10：历史流向

11：当前流向             12：短半轴

13：长半轴方向           14：最近测得气味位置

15：理论路径             16：简化路径

17：椭圆上的节点         18：当前平均流向

19：嗅觉传感器吸管       20：前超声传感器带

21：驱动轮               22：脚轮

23：编码器(内置)         24：后超声传感器带

25：嗅觉传感器           26：电子罗盘

27：风速/风向传感器

具体实施方式

下面结合实施例和附图对本发明的时变流场环境中机器人搜寻气味源方法做出详细说明。

本发明中嗅觉传感器输出气味浓度值。若本次测量的气味浓度值大于上次测得的浓度值，则认为检测到气味信息；若本次浓度值小于上次浓度值则认为未检测到气味信息(这种情况下尽管可能存在较大浓度，但可解释为浓度传感器处于恢复阶段)；若本次浓度值等于上次浓度值，则本次测量的判定结果即气味信息的测得与否取为上次测量的判定结果。

如图1所示，本发明的时变流场环境中机器人搜寻气味源方法，包括有如下阶段：

(I)烟羽发现阶段：在气味源搜寻任务开始时没有测得任何气味信息的情况下，机器人在任意边界形状的区域中进行流向随动双向Z字形的烟羽搜寻；

(II)烟羽跟踪阶段：在测得气味信息时，根据历史流速/流向计算最大可能气味轨迹，并沿最大可能气味轨迹搜寻气味源；

(III)烟羽再发现阶段：在烟羽跟踪过程中，若在沿最大可能气味轨迹搜寻气味源过程结束之前没能再次发现气味信息，根据已知的最近一次测到气味时的位置，来重新发现烟羽；

(IV)气味源确认阶段。

在上述的机器人搜寻气味源过程中的每一控制周期内，都要根据检测到的障碍物情况检查当前阶段规划出的理想目标点是否可达，若可达则实际目标点即为理想目标点，否则以机器人位置为起点，向理想目标点方向做射线求实际可达目标点，使得实际可达目标点与障碍物的距离略大于机器人外轮廓半径。

在实际环境中，障碍物的存在是不可避免的，因此规划的下一目标点(规划的路径节点)对机器人来说并不一定可达。为了使机器人在离障碍物过近时具有良好的反应式行为，即机器人能够和障碍物之间保持一个安全距离(指机器人本体中心与障碍物表面之间的距离，可取1.5～3倍机器人外轮廓半径)，同时又不浪费下一目标点的潜在搜索价值，本发明使用如下方法确定实际可达目标点：

(1)判断机器人当前位置与下一目标点之间是否存在障碍物；

(2)若不存在障碍物，则实际目标点即为规划的理想目标点；

(3)若存在障碍物，则以机器人位置为起点，向理想目标点方向做射线求实际可达目标点，使得该点与障碍物的距离略大于机器人外轮廓半径。

上述方法一方面能使机器人可靠地避开障碍物，同时尽可能靠近目标地点。

下面具体说明本发明时变流场环境中机器人搜寻气味源方法的各阶段。

所述的第(I)阶段，也即是流向随动双向Z字形的烟羽发现阶段，是在气味源搜寻任务开始时未检测到气味信息的情况下，为加大搜索范围、提高搜索效率，采用双向Z字形的搜索方式，以期能够尽快发现气味信息。适用于任意边界形状的区域，且搜索路径随时变的平均流向而变化。是在任意边界形状的区域内，在开始时总是沿着与当前平均流向成α_down度的顺流方向进行Z字形的气味搜寻，当到达搜索区域下游边界时，则开始沿着与当前平均流向成α_up度的逆流方向进行Z字形的气味搜寻，当到达上游边界时，又切换为顺流Z字形，如此反复，直到发现气味信息。所述的α_down为小于90度的角，α_up为大于90度小于180度的角。

其中，当前平均流向是指机器人持有的最近N个流向的平均值，它在每个采样周期内进行更新，是关于时间的未知函数。这种方法不要求平均流向已知或随时间、空间不变，不要求搜索区域的边界形状，不假设平均流向与搜索区域的相对角度关系，也不假设气味源在搜索区域中的可能位置，具有良好的鲁棒特性。其目标是在最短的时间或行走路径里，以尽可能大的概率发现气味信息。

如图2所示，为表述方便，采用恒定均匀流场，在图2中给出了机器人为发现烟羽采用本方法搜索形成的轨迹。边界的确定方法：当检测到前方存有障碍物时，机器人开始回转，回转角度为2α_down(顺流时)或2α_up(逆流时)；当机器人在t秒内M次检测到障碍物(每秒检测m次，包括避障过程中)，即可判定机器人到达搜索区域的下边界或上边界。其中，t应大于机器人单次正面遭遇障碍物并完全逃离的全过程所需时间。

当发现气味信息后，进入第(II)阶段烟羽跟踪阶段，根据机器人当前持有的历史流速/流向信息计算被测到的气味包在到达机器人之前在每个时刻最可能经过的轨迹点。所述的烟羽跟踪阶段包括如下步骤：

(1)计算最大可能气味轨迹；

为了使气味包最大可能轨迹可以计算，结合流场的连续性，可假设以机器人为中心的一定距离范围内流场是时变均匀的，即在该特定区域内的流速/流向处处相同，但随时间而变化。轨迹点坐标为：

$(x\left(t_{k-j}\right),y\left(t_{k-j}\right))=(x_r-{\Sigma }_{i=0}^{j-1}\left(v\left(t_{k-i}\right)\cos \left(\theta \left(t_{k-i}\right)\right)\right)T,y_r-{\Sigma }_{i=0}^{j-1}\left(v_y\left(t_{k-i}\right)\sin \left(\theta \left(t_{k-i}\right)\right)\right)T),j=\mathrm{1,2},...N,$

其中，(x_r，y_r)为机器人在时刻t_k测得气味时的位置坐标(已考虑嗅觉传感器的纯时间延迟τ)，v(t_i)和θ(t_i)为机器人在t_i时刻测得的风速和风向，T为系统采样周期。由已知的轨迹点按序连接即为最大可能气味轨迹。

(2)沿最大可能气味轨迹搜寻气味源；考虑到在气味源的下游方向更易于检测到气味信息，沿最大可能气味轨迹搜寻气味源在具体执行时，机器人要沿着与最大可能气味轨迹平行且在当前时刻顺流方向有设定偏移距离的搜寻路径运动。

由于气味源位置未知，以及被测到的气味包从气味源释放的时间也未知，因此，该最大可能气味轨迹上的任意一点及其附近位置都可能是气味源所在。考虑到流向的时变特性，搜寻气味源时需沿着最大可能气味轨迹在当前时刻流向的下游方向进行搜寻，搜寻路径如图3所示，其中搜寻路径与最大可能气味轨迹之间的偏移量为d。由于存在流场在一定范围空间上的均匀一致性假设，随着最大可能气味轨迹的增长，其可靠性也随之下降，因此机器人向前搜寻气味源的距离应限制在一定范围之内。因为机器人跟踪的不是烟羽条带，而是最大可能气味轨迹，所以气味传感器的较大反应和恢复时间对气味源搜寻没有明显负面影响。

(3)判断是否测得气味源？测得气味源直接进入第(IV)阶段，否则进入下一步；

(4)最大可能气味轨迹跟踪是否完毕？跟踪完毕进入第(III)阶段，否则返回上述第(2)步继续进行搜寻。

在测到气味包并启动的气味源搜寻过程中，由于流速/流向在搜索区域中不同的空间点及时间点上存在差异，以及流体的高度湍动特性，很可能在搜寻一定距离L之后仍然没能再次发现气味信息。在这种情况下，进入第(III)阶段即烟羽再发现阶段，可根据已知的烟羽先验信息，如最近一次测到气味时的位置，来重新发现烟羽，此阶段包括有如下步骤：

(1)采用同向偏心椭圆簇形式的烟羽再发现方式进行搜寻；设定所有的椭圆轨迹具有固定的长短半径比；椭圆的中心点沿短半轴12的方向共线；相邻椭圆的短半径之差为常数；相邻椭圆的中心点间距c小于相邻椭圆的短半径之差；从里向外，共线的椭圆中心点的取向为平均流向的反方向。

(2)判断是否测得气味？测得气味返回第(II)阶段重新开始，否则返回第(1)步继续进行。

如图4所示，是所规划的机器人路径。其中，所有椭圆具有固定的长短半径比；椭圆的中心点沿短半轴12方向共线；相邻椭圆的短半径之差为常数δ；相邻椭圆的中心点间距c小于短半径之差；从里向外，椭圆中心点(共线)的取向为平均流向的反方向。本阶段在不放弃已知烟羽信息(如最近一次测到气味时的位置)的情况下，沿平均来流的垂直方向以逐渐增大的椭圆对最近测得点附近的特定区域进行多次搜索(由于烟羽的间歇性，单次搜索遗漏烟羽的可能性较大)，并且不会在顺流方向上离最近测得点太远，以免发生在远离最近测得点的下游方向再次测得，从而造成之前搜索工作的浪费。

在实际应用中，考虑到机器人的运动学约束和控制难度，机器人是沿椭圆上的节点17之间的弦线进行搜寻。

当测到气味源后，则进入第(IV)阶段，即气味源确认阶段，包括有如下步骤：

(1)判断是否满足气味源确认条件？若满足确认条件则估计气味源位置并进入下一步，否则返回第(II)阶段重新开始；所述的气味源确认条件以及估计气味源位置，是一种采用3σ准则判断机器人是否到达气味源的方法，包括如下过程：

1)求出最近W次测得气味时机器人位置的均值和标准差，W取大于3的整数；求出最近W次测得气味时机器人位置{P_i＝(x_i，y_i)，i＝1，2，...，W}的均值P＝(x，y)和标准差σ。其中，

$\bar{x}={\Sigma }_{i=1}^w{x}_i/W,$$\bar{y}={\Sigma }_{i=1}^w{y}_i/W,$$\sigma =\sqrt{{\Sigma }_{i=1}^w({(x_i-\bar{x})}^2+{(y_i-\bar{y})}^2)/W}.$

2)判断W次测得气味时机器人的位置{P_i＝(x_i，y_i)，i＝1，2，...，W}与所求出的机器人位置的均值P之间的距离是否小于3倍的标准差σ，如果W个差值绝对值均小于3倍的标准差σ，而且在一定时间内能保持这一状态不变，则判定满足气味源确认条件。

3)估计气味源位置；机器人位置的均值P即判断为气味源的位置。

(2)气味源搜寻结束。

下面结合图5给出本发明的一个实施例。

如图5所示，本发明所使用的气味源搜寻装置由移动机器人和传感器组两部分构成。针对实际应用环境的不同地面状况，移动机器人可采用轮式、履带式或轮履复合式。传感器组包含编码器23、电子罗盘26、由前超声传感器带20和后超声传感器带24组成了超声测距传感器、风速/风向传感器27及嗅觉传感器25。编码器23用于估计机器人的位姿；电子罗盘26可减小由于编码器23的累计误差导致的位姿误差；超声测距传感器20、24用于测量移动机器人与周围障碍物之间的距离，从而得到栅格描述的环境地图；风速/风向传感器27用于测定移动机器人当前位置的风速/风向信息；嗅觉传感器25可提供机器人当前位置的气味浓度信息。

移动机器人在气味源搜寻任务一开始就记录/更新最近N次的风速/风向数据(N是大于零的整数)(若不足N次，直接累积；若超过N次，则删除最早的一条记录，添加本次测量的记录)。同时，由于嗅觉传感器25存在较大的纯时间延迟τ，因此将风速/风向记录及相应的机器人位姿信息统一向后延迟τ，以便和嗅觉传感器25的即时输出进行匹配并用于相应计算。建议取N为10秒内的采样次数。如系统采样周期T＝0.5s，则N＝20。

搜寻过程开始后，若未检测到气味信息，就采用最近N次(或不足N次)风速/风向记录的平均风向，在流场的可达区域中沿顺流方向做双向Z字形运动以期发现烟羽。在Z字形运动中，当检测到前方存有障碍物，则开始回转，回转角度建议取为144°(顺风时，α_down＝72°)和216°(逆风时，α_up＝108°)；当机器人在10秒内连续15次检测到障碍物(每秒检测2次，包括避障过程中)，即可判定机器人到达搜索区域的下边界或上边界，则开始在相反的流向上做Z字形运动。其中，本发明中所采用的机器人单次正面遭遇障碍物并完全逃离的全过程所需时间约为6秒。

当检测到气味信息时，则根据持有的风速/风向记录和相应的机器人位姿(均已经过延迟处理)来计算该气味烟羽在到达机器人(嗅觉传感器)之前最可能经过的轨迹，并在该轨迹的当前下游方向以偏移量d＝0.5米进行气味源的搜寻，向前搜寻气味源的最大距离L＝3m。

由于风场的高度湍动特性，在最大距离范围内搜寻气味源的过程中，有可能未能再次发现气味信息，则机器人回到最近一次测得气味包的位置并以该位置为中心做偏心椭圆簇形式的烟羽再发现动作，以期能再次发现烟羽信息并进行搜寻；若在3周椭圆轨迹的运动中仍未再次发现烟羽，则切换为烟羽发现过程。椭圆簇参数：长短半径比γ＝3，最内层椭圆短半径＝200mm，相邻椭圆的短半径之差δ＝200mm；相邻椭圆的中心点间距c＝0.7，δ＝140mm。在以节点方式做椭圆运动时，本发明在[0，360°)的旋向区间里，每隔45°选一节点。当机器人距离当前节点足够近时，再给出下一个节点进行跟踪。

也是由于风场的高度湍动特性，仅仅依据若干次的气味浓度测量结果作为确认气味源的判定条件，存在很大的误判风险。为了使判定结果具有较高的可靠性和准确性，本发明采用了以气味包测得位置为对象的3σ准则方式进行气味源确认。具体实施判据为：若最近6次测得位置均在以其均值为中心的3σ范围之内，并能保持这一状态不短于3分钟，则可认为该平均位置即为所搜寻的气味源所在。