一种基于改进海鸥算法的多无人机气体泄漏源定位方法与流程

1.本发明涉及一种多无人机协同气体泄漏源定位方法，属于多旋翼无人机与大气环境监测领域。


背景技术：

2.作为我国经济发展的重要支撑，工业发展对经济的影响显而易见，但随之而来的环境污染问题也在不断突出。当前，大气环境污染时有发生，如工业生产过程中污染气体排放产生的异常气味，时常引起居民的不满情绪和投诉，如何在最短的时间内找到污染源，为大气环境污染处理提供最快的技术支持显得十分重要。目前，气体泄漏源定位方法多采用固定监测站或地面移动机器人，固定监测站受位置限制的缺点很明显，在污染源泄漏时，很有可能因为固定监测站位置分布不均匀导致污染源定位不准确，从而错过发现污染源的最佳时机，而地面移动机器人虽然可以在溯源过程中改变自己的位置，但很难适应气体污染物在大气介质中扩散速度快和范围广的特性，并且难以持续工作。当前，无人机在环境领域的应用正处于高速发展阶段，无人机有着成本低、搜索范围广和灵活性强等优点，以无人机作为大气污染源定位平台，可以扩大溯源的范围，提高溯源的效率。
3.针对当前日益严重的环境污染问题以及现有气体泄漏源定位方法的局限性，本发明要解决的技术问题是“基于群智能算法的多无人机气体泄漏源定位问题”。
4.目前，群智能优化算法主要有遗传算法、粒子群算法和人工鱼群算法等，而海鸥算法于2019年刚刚提出，并逐渐在营销策略规划、最优化测井解释和图像分割等方面开始应用。本专利首次将该海鸥算法用以解决气体泄漏源定位的技术问题，但在应用过程中仍存在如下问题：在标准海鸥算法中，海鸥最重要的特征是迁徙和攻击行为，迁徙行为中平衡算子b的设定使得算法很大程度上延长了当前个体与最优个体的间距，这样个体在下一步的位置更新中能够以较大的步长接近最优个体，整体收敛速度快一些，但是在迭代过程中容易错过最优值；其次，攻击行为中螺旋半径r的随机取值会使得个体的移动方向较为紊乱；最后，算法整体缺少个体的随机探索过程，导致在迭代过程中其它个体会无条件跟随当前最优个体，容易陷入局部最优。


技术实现要素：

5.本发明的目的是为了弥补现有泄漏源定位技术的不足，创新性的将多无人机群与改进海鸥算法结合，提出了一种基于改进海鸥算法的多无人机气体泄漏源定位方法，该方法具有全局搜索能力强、收敛性强和不易陷入局部最优等优点，可以快速、高效的定位泄漏源。针对标准海鸥算法存在的不足之处，本发明提出一种改进海鸥算法。首先，本发明缩小了平衡算子b的取值范围，大大减小了步长，使得算法的全局搜索能力得到大幅提升。其次，本发明将螺旋半径r设为固定值，保证个体在迭代过程中不会出现较为紊乱的移动方向。最后，本发明在原海鸥算法的基础上加入觅食行为，增强了个体的探索能力，使得算法在迭代过程中不易陷入局部最优。
6.一种基于改进海鸥算法的多无人机气体泄漏源定位方法，包括以下步骤：
7.步骤1：在气体泄漏源下风向区域检测到气体污染物浓度值明显超出日常监测范围，初步判断可能存在企业偷排行为，则启动应急溯源程序；
8.步骤2：在待监测区域设置n架无人机，给定无人机的初始位置；
9.步骤3：采用改进海鸥算法搜索气体泄漏源；
10.步骤4：更新各个无人机的位置；
11.步骤5：判断气体泄漏源是否定位成功，若成功，执行步骤6，否则返回步骤3；
12.步骤6：无人机找到气体泄漏源，应急溯源结束，输出气体泄漏源位置。
13.所述步骤3中提出的改进海鸥算法，包括以下步骤：
14.步骤1：初始化设定，包括种群数量popsize、解空间的维数d、算法最大迭代次数t、变量fc、最大尝试次数try_number、最大移动步长step、种群初始位置；
15.步骤2：计算初始种群各个体的适应度值，得到当前最优个体的位置p
bs
(t)；
16.步骤3：根据改进海鸥算法中的迁徙行为进行全局搜索，利用当前最优个体的位置p
bs
(t)得到海鸥的新位置ds(t)；
17.步骤4：根据改进海鸥算法中的攻击行为进行局部搜索，利用海鸥的新位置ds(t)得到海鸥的攻击位置ps(t)；
18.步骤5：根据加入的觅食行为，利用海鸥的攻击位置ps(t)、最大尝试次数try_number和最大移动步长step更新海鸥的位置ls(t)和污染气体浓度值y(t)；
19.步骤6：判断是否达到迭代次数，若达到迭代次数转到步骤7，否则返回步骤2；
20.步骤7：输出寻优结果，算法结束。
21.进一步的，所述步骤3中的迁徙行为用以下计算公式实现：
22.ds(t)＝|cs(t) ms(t)|
23.其中，cs(t)＝a
×
ps(t)，cs(t)表示不与其他海鸥存在位置冲突的新位置，ps(t)表示海鸥当前位置，t表示当前迭代次数，a＝f
c-(t
×
(fc/t))，a表示海鸥在给定搜索空间中的运动行为，其中，fc可以控制变量a的频率，使它的值从2线性降低到0，ms(t)＝b
×
(p
bs
(t)-ps(t))，ms(t)表示最佳位置所在的方向，b是负责平衡全局和局部搜索的随机数，b＝0.5
×
rd，rd是[0，1]范围内的随机数。
[0024]
所述步骤4中的攻击行为用以下计算公式实现：
[0025]
ps(t)＝ds(t)
×
x
×y×
z p
bs
(t)
[0026]
其中，x＝r
×
cos(θ)，y＝r
×
sin(θ)，z＝r
×
θ，xyz表示海鸥攻击猎物时，在空中进行的螺旋形状运动，θ是[0，2π]范围内的随机角度值，r是每个螺旋的半径。
[0027]
所述步骤5中的觅食行为用以下计算公式实现：
[0028]
ls(t)＝ps(t) rand
×
step
[0029]
其中，rand为[-1，1]范围内的随机数，step为最大移动步长，海鸥在以ps(t)位置为圆心，step为半径的圆内选取一个比当前位置食物浓度高的位置进行觅食行为，即污染气体浓度值y
ls
(t)》y
ps
(t)，则取y(t)＝y
ls
(t)。
[0030]
本发明的有益效果在于：
[0031]
本发明创造性地将改进海鸥算法与无人机群结合，实现对气体泄漏源快速、高效的定位。
[0032]
在原海鸥算法的迁徙行为中，平衡算子b的取值被变量a所限制，使得算法很大程度上延长了当前个体与最优个体的间距，这样个体在下一步的位置更新中能够以较大的步长接近最优个体，整体收敛速度快一些，但是在迭代过程中容易错过最优值。针对此问题，本发明模仿乌燕鸥算法中平衡算子的设定思想，缩小平衡算子的取值范围，大大减小了步长，使得全局搜索能力得到大幅提升。
[0033]
在原海鸥算法的攻击行为中，螺旋半径r的随机取值会使得个体的移动方向较为紊乱，因此本发明将螺旋半径r设为固定值，提高了算法的稳定性。
[0034]
在原海鸥算法中，缺少个体的随机探索过程，导致在迭代过程中其它个体会无条件跟随当前最优个体，容易陷入局部最优。针对此问题，本发明模仿人工鱼群算法中觅食行为的思想，使得其它个体在跟随最优个体的同时，会进行自己的探索行为，避免陷入局部最优。
附图说明
[0035]
图1是基于改进海鸥算法的多无人机气体泄漏源定位方法流程图；
[0036]
图2是改进海鸥算法流程图；
[0037]
图3是改进海鸥算法在matlab软件中人工搭建的高斯稳态烟羽浓度场下的仿真路线图；
[0038]
图4是改进海鸥算法与标准海鸥算法在高斯稳态烟羽浓度场下寻优效率的对比图；
具体实施方式：
[0039]
本发明的具体实施如下：
[0040]
步骤1：在气体泄漏源下风向区域检测到气体污染物浓度值明显超出日常监测范围，初步判断可能存在企业偷排行为，则启动应急溯源程序；
[0041]
步骤2：在待监测区域设置5架无人机，给定无人机的初始位置；
[0042]
步骤3：采用改进海鸥算法搜索气体泄漏源；
[0043]
步骤4：更新各个无人机的位置；
[0044]
步骤5：判断气体泄漏源是否定位成功，若成功，执行步骤6，否则返回步骤3；
[0045]
步骤6：无人机找到气体泄漏源，应急溯源结束，输出气体泄漏源位置。
[0046]
所述步骤3中提出的改进海鸥算法，包括以下步骤：
[0047]
步骤1：初始化设定，包括种群数量popsize、解空间的维数d、算法最大迭代次数t、变量fc、最大尝试次数try_number、最大移动步长step、种群初始位置；
[0048]
步骤2：计算初始种群各个体的适应度值，得到当前最优个体的位置p
bs
(t)；
[0049]
步骤3：根据改进海鸥算法中的迁徙行为进行全局搜索，利用当前最优个体的位置p
bs
(t)得到海鸥的新位置ds(t)；
[0050]
迁徙行为用以下计算公式实现：
[0051]ds
(t)＝|cs(t) ms(t)|
[0052]
步骤4：根据改进海鸥算法中的攻击行为进行局部搜索，利用海鸥的新位置ds(t)得到海鸥的攻击位置ps(t)；
[0053]
攻击行为用以下计算公式实现：
[0054]
ps(t)＝ds(t)
×
x
×y×
z p
bs
(t)
[0055]
步骤5：根据加入的觅食行为，利用海鸥的攻击位置ps(t)、最大尝试次数try_number和最大移动步长step更新海鸥的位置ls(t)和污染气体浓度值y(t)；
[0056]
觅食行为用以下计算公式实现：
[0057]
ls(t)＝ps(t) rand
×
step
[0058]
步骤6：判断是否达到迭代次数，若达到迭代次数转到步骤7，否则返回步骤2；
[0059]
步骤7：输出寻优结果，算法结束。
[0060]
如图4所示，在高斯稳态烟羽浓度场仿真实验中，由于标准海鸥算法平衡算子b的取值范围较大，并且算法整体缺少个体的随机探索过程，导致陷入局部最优，直至迭代结束都无法跳出，而改进海鸥算法缩小了平衡算子b的取值范围，大大减小了步长，并且在算法中加入觅食行为，使得其它个体在跟随最优个体的同时，进行自己的随机探索，避免了陷入局部最优。
[0061]
以上是本发明较佳的实施方式，但本发明的保护范围并不仅仅局限在此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡依本发明技术方案做变换或替换的，都应涵盖在本发明的保护范围内。因此，本发明的保护范围都应以权利要求的保护范围为准。