毕业设计（论文）-基于CFD理论的机器人主动嗅觉定位技术研究.doc

武汉科技大学本科毕业设计 本科毕业设计题目：基于CFD理论的机器人主动嗅 觉定位技术研究学 院:专 业:学 号:学生姓名: 指导教师:日 期: 摘 要 移动机器人主动嗅觉定位技术的研究起源于上个世纪 90 年代欧美和日本一些发达的国家，距今只有十几年的历史，但受到了广大专家和学者的关注。它集成了智能技术传感器及信息处理技术仿生学控制科学、计算机科学流体力学等多种学科的知识。本文围绕室内环境下移动机器人主动嗅觉定位问题，具体展开了以下几个方面的研究工作：首先，从选题背景与意义对国内外的相关研究进行了综述和分析，并阐述了国内外主动嗅觉机器人定位研究现状以及面临的问题。其次，介绍了主动嗅觉的三个子过程（烟羽发现，追踪及气味源的确认）以及基于湍流主控单机器人的主动嗅觉定位的策略（化学趋向性、风趋向性、信息熵）。再次，介绍气体泄漏扩散的模拟方法和Fluent软件进行数值模拟的过程和基本原理以及应用Fluent软件对主动嗅觉机器人定位的室内环境进行数值模拟，并输出动态的泄漏气体的烟羽浓度分布图及数据值。最后，介绍烟羽函数未知时的搜寻策略。本文选用了半随机移动法的搜索策略，在Matlab中编写M函数文件，将泄漏气体的烟羽数据值导入Matlab中，实现Matlab移动机器人与烟羽数据结合，并模拟出机器人寻找泄漏源的路径。关键词： 机器人； 嗅觉定位策略； 半随机移动法；ABSTRACTResearch on mobile robot localization technology of active olfaction has originated in the developed country such as Europe, the United States and Japan in the 1990s, although only has history more than ten years, majority of experts and scholars pay much attention to it. The active odor integrates the knowledge of multiple disciplines such as intelligence technology,sensor and information processing technology, bionics, control science, computer science as well as hydrodynamics. This issure studies on the mobile robot localization technology of active olfaction in the indoor environment, carried out research in the following areas:First, the background and significance of research were summarized and analyzed and describing the current situation of mobile robot localization of active olfaction at home and abroad and the problems faced.Secondly, introducing the three sub-processes of active olfaction( plume finding ,plume tracking and odor source confirmation ) and a single robot of active olfaction localization strategy based on turbulent ( chemotaxis , wind tendency , information entropy ) .Again, introducing the simulation methods of gas leakage and diffusion and the process of Fluent simulation and the basic principles and applying Fluent to simulate the indoor environment of mobile robot localization of active olfaction and outputing dynamic concentration distribution of leakage gas plume and data values.Finally, describing the search strategy of unknown plume function . This issure select the semi-random search strategy .By writing M functions document in Matlab , the data values of the leakage of gas plume is imported into Matlab and data values combined with Matlab mobile robots and simulating robot path of find ing the source of the leak .Key word: robot; active olfaction; semi-random algorithmIV目 录1 绪论11.1 主动嗅觉的提出与研究意义11.2 主动嗅觉的研究现状21.2.1 国外研究现状21.2.2 国内研究现状41.3 主动嗅觉研究面临的问题41.3.1 气味/气体分子分布特性41.3.2 气味/气体传感器51.4 本论文研究的内容52 主动嗅觉定位策略72.1 气味传播的三种方式72.2 烟羽72.2.1 烟羽的定义72.2.2 烟羽在湍流环境中的特点72.3 主动嗅觉82.3.1 主动嗅觉定义82.3.2 主动嗅觉的三个子任务82.4 基于湍流主控环境下单机器人嗅觉定位策略92.4.1 化学趋向性92.4.2 风向趋向性92.4.3 信息趋向性103 基于Fluent软件室内环境的数值模拟113.1 气体泄漏扩散的模拟方法113.1.1 物理模拟方法113.1.2 数学模拟方法113.1.3 CFD 数值模拟方法123.2 Fluent 软件介绍123.2.1 Fluent 用于气体泄漏扩散的适用性133.3 天然气泄漏的仿真过程133.3.1 天然气泄漏扩散模型133.3.2 基本控制方程153.3.3 Fluent 数值计算174 机器人移动路径的模拟214.1 烟羽函数未知时的搜寻策略214.1.1 半随机移动法214.1.2 浓度梯度追踪法224.1.3 逆风搜寻法224.1.4 多传感器的方向控制法234.2 基于半随机法的气味源定位Matlab仿真244.2.1 烟羽数据和移动机器人的结合244.2.2 控制算法245 结论与展望285.1 主要结论285.2 展望28参考文献30致 谢32VI1 绪论1.1 主动嗅觉的提出与研究意义随着机器人技术的发展，机器人的应用领域越来越广。人们对机器人的智能程度要求也越来越高，要求机器人不仅能够在生产车间环境下完成大规模的装配任务，而且还能够在室内外感知环境并完成复杂的任务。因此对机器人感知能力的研究愈显得重要。现在对机器人的感知能力的研究主要集中在触觉、视觉和听觉，出现了不少能看的、能听的甚至能说话的机器人。但是对机器人的嗅觉的研究和应用则相对较少1。在动物漫长的进化过程中，嗅觉作为最原始的感觉功能之一，一直伴随着动物的进化而发展，嗅觉是许多动物赖以生存的最重要的本领2。对于动物来讲，嗅觉不仅仅用于捕食，在寻找伙伴、交配、标定领土、识别家庭成员、避免天敌攻击等方面也起着决定性作用。例如雄蛾利用触角在数百米外就可以嗅到雌蛾释放出的一种信息素，从而通过跟踪信息素准确的确定雌蛾的具体位置3。啮齿动物和犬科动物可以靠嗅觉找回贮藏的食物4，海洋中的甲壳类动物通过气味来寻找食物5。近年来，受到生物气味定位的启发，一些学者开始研究如何将气味/气体跟踪、定位与移动机器人技术相结合，通过使用移动机器人来“主动”地发现、跟踪并确定气味/气体的源头，即所谓的主动嗅觉问题。移动机器人主动嗅觉定位技术在环境监测违禁物品检查和大型工厂仓库保安等方面，可以主动对目标化学物质感知并确定其位置，这比一般的被动感知系统要有效的多，而主动嗅觉定位技术就是基于这种需要而展开研究的。移动机器人主动嗅觉定位技术的研究始于二十世纪九十年代，欧美和日本等许多发达国家的科研团队都对气味源定位进行了较为深入的研究。利用移动机器人和气体传感器实现气味源定位(gas/odor source localization)已经成为了一个研究热点。目前，对机器人嗅觉定位的研究，不仅仅局限于对空气中的气味源进行定位，还扩展到了对水下和地下的气味源跟踪定位。所采用的机器人类型也趋于多样化，除了普通的轮式移动机器人外，还有仿生机器人，如机器蚂蚁、机器飞蛾、机器龙虾等。主动嗅觉是一门交叉学科，涉及到如机器人学、生物学、人工智能、传感器及信息处理技术、计算机科学、流体力学等众多学科。本文研究的具有主动嗅觉定位功能的机器人具有潜在的应用前景，能够从事与气味相关的个领域的工作，应用面非常广泛。在国家安全方面，寻找未爆炸的地雷等6，探测未知区域，灾难中搜寻伤员7，探测或估算污染气体的扩散区域8，在社会治安方面，可以代替保安巡逻，完成有毒气体检测、寻找毒气源9、火灾源等工作；在工业生产中，可以检测各类危险化学物质存储容器或输送管道的泄漏情况并进行修补10，此外还可以进行探矿工作。1.2 主动嗅觉的研究现状1.2.1 国外研究现状日本东京工业大学的Ishida 和他的同事自1992年便开始了对嗅觉定位问题的研究，陆续提出了仿飞蛾的仿生嗅觉搜索策略、浓度梯度搜索策略、逆风搜索、利用多传感器味源搜索策略等. 他们从飞蛾的行为中获得灵感，采用4 个气体传感器（TGS822，Figaro）和4 个风速传感器（F6201,Shibaura Electronics）制成气味方向探测装置，充分利用气味信息和风向信息完成气味搜索。1997 年，Ishida 利用带有气体传感器的移动机器人研究二维气体地图，即绘制气体的浓度分布图，根据湍流扩散理论得出一个相对简单的方程去描述特定环境下的随时间变化的平均气体的浓度。并初步探讨了气源的空间位置对气体浓度分布的影响，提出了主动嗅觉（active odor sensing）的概念。2002 年，Ishida 开发了第二代烟羽跟踪机器人GaPTR-（Gas Plum Tracking Robot），仍采用与以往相同类型的气体传感器和风向传感器，但改变了安装位置。 2004 年Ishida 还用一个三维气源定位探测器进行了三维空间的气源定位。该探测器利用6个气体传感器和两个风向传感器确定气源的方向，公式如下：d = v + kg。式中：v 为逆风方向向量；g 为烟羽的浓度梯度方向，从而确定味源。 2005 年以后，Ishida 开始利用视觉、嗅觉和风向传感器进行了寻找气味泄漏源的导航试验，机器人可以规划出合理的搜索路径。日本新能源产业技术综合开发机构的Kuwana 和东京大学的Shimoyama 等在1996 年使用活的蚕蛾触角配上电极构造了两种能感知信息素的传感器，并在信息素导航移动机器人（Pheromone-guided mobile robot）上进行了信息素烟羽的跟踪试验，即是采用经遗传算法优化参数的递归人工神经网络方法，输入神经元接收信息素，输出神经元驱动两个电动机决定移动机器人的方向；使用遗传算法优化神经网络的连接参数，使机器人对于环境表现出适当的行为。澳大利亚蒙纳士大学的Russell 等从1998 年开始对机器人仿生嗅觉进行研究，将一对相隔13 cm 的晶体微量天平传感器原型安放在一台六腿蚂蚁机器人的头上作为“蚂蚁”的触角，来跟踪涂抹在地上的樟脑气味. 通过模拟蚂蚁跟踪模式对机器人路径跟踪算法进行了研究，曲线由直线部分、弯曲部分和较大的间断部分组成，跟踪算法采用模拟蚂蚁跟踪气味的半8字形跟踪模式。2003年以后，Russell还研究了地下味源定位系统RoboMole，在受到真涡虫趋化性运动启发而得来的真涡虫算法基础上提出了六角形栅格路径（hex-path）跟踪算法，并在干沙子中做了酒精源定位实验，取得了较满意的结果，并在此基础上加入深度信息提出了12 面体算法。美国加州理工学院Adam T Hayes 等在2002年提出了一种通过逆风搜索方法判定气味/气体浓度的变化率来跟踪气味烟羽、定位味源的算法. 通过初始的外螺旋搜索模式来发现烟羽，通过此模式可以覆盖机器人所在的局部区域。当检测到气味烟羽时，机器人沿逆风向运动一段给定的距离，随后继续螺旋搜索来检测其它气味烟羽。在味源附近，螺旋搜索算法趋向于向一个低浓度区域运动，然后在接收另外一个气味包以前盘旋回波动的原点。 当机器人在一系列相距较短的位置连续地检测到气味烟羽时，一般可判定气味/气体源就在附近。此法的两个缺陷在于：容易陷入局部浓度最大的陷阱；必须提供恒定的风向信息。 Hayes以Moorebots 机器人作为平台，采用蜂群算法开展了自主群机器人嗅觉定位的研究，证明多个机器人之间的基本通讯可以提高味源定位系统的效率。为了评定群机器人味源定位的性能效率，Hayes 等还提出了以完成任务所需总时间及总距离、最短时间和所走最短距离作为简单的评定指标.葡萄牙科英布拉大学的Lino Marques 和Anibal在2002 年利用Super Scout II 移动机器人根据细菌的趋化性和蚕蛾的跟踪性信息素的行为，进行了气味烟羽跟踪试验，并根据烟羽几何形状进行味源估计定位试验，建立气体浓度地图并利用高斯模型进行了气源定位。2003 年，德国蒂宾根大学的Achim Lilienthal 和瑞典厄勒布鲁大学（Orebro University）的Tom Duckett29合作研制了Mark III 型立体式电子鼻，和一台Koala移动机器人构成了移动电子鼻.它有2 个“鼻孔”（或称管道）组成，每个鼻孔中对称放置着3 个金属氧化物传感器（TGS2600，2610，620），传感器靠鼻孔外侧安装，以保证能够和被测气体良好接触。 每个鼻孔还包括一个吸力风扇，用来降低传感器的恢复时间。 两个鼻孔中间安放隔板，可以阻挡相反方向的气流，减小对气体浓度的影响。利用该机器人并采用神经网络的方法对静态气味/气体源确认问题进行了研究。 在此基础上，还利用矩形螺旋运动、交叉连接和非交叉连接的Braitenberg 型搜索策略搜索味源，并进行了利用机器人建立气体浓度地图的研究，提出了扇形运动味源确认算法。二人深入开展了大量味源定位方面的研究工作.瑞士苏黎世联邦理工学院的Pawel Pyk 和他的研究团队对雌蛾依靠信息素寻找到雄蛾的跟踪机制进行深入研究后，将其应用到了利用机器人实现确定化学物质源头的研究工作中。 2006 年，为了从技术上解决在二维空间和三维空间味源定位的问题，他们分别研制了移动人工蛾AMOTH（Artificial Moth）和空中飞蛾UAV（Unmanned Aerial Vehicle）12 移动AMOTH 是一个直径20 cm，高16 cm 的圆形机器人，上面安装有自行开发的6 阵列的金属氧化物气体传感器和风向标式的风向传感器. 并利用它在风洞中模拟了飞蛾横越风向（cross-wind casting）和逆风而上（up-wind surge）的跟踪信息素的运动方式，采用了LGMD（Lobula Giant Movement Detector）模式躲避搜索路径上的障碍物.瑞典厄勒布鲁大学（Orebro University）的AmyLoutfi等人在利用移动机器人研究味源定位领域取得了较大成果，在加入视觉信息的同时研究了群机器人味源搜索和定位。通过对划定区域的嗅觉信息出现频率进行标示，转换为人的感知信号，并对区域进行分级，提出了根据信息熵判定味源的方法。1.2.2 国内研究现状国内进行机器人嗅觉研究的较少。天津大学孟庆浩13教授较早地开展了该领域内的研究工作，于2007年提出了基于进化梯度搜索的多机器人搜寻味源的算法，仿真结果验证了此法在时变气态流体环境下对气味/气体源定位的有效性。 此外，在群机器人协同法仿生嗅觉跟踪算法方面，孟庆浩教授等14将蚁群算法与逆风搜索相结合用于协调多机器人的运动方向，并在源头确认方面，提出了气味气体浓度持久性判断结合机器人旋转计算流体质量通量散度的方法. 仿真表明，该搜索策略可适用于湍流烟羽环境，且可有效地逃脱浓度局部最优和风场的漩涡而最终确认味源位置. 并提出了基于概率粒子群优化算法的机器人味源定位算法，仿真及实验结果表明，在自然室内环境中，多机器人系统利用该算法能较快速地找到味源.中科院电子学研究所的梁亮等15提出了基于单纯形的格形搜索算法，进行了仿真和实验检验。 该算法以单纯形搜索法为理论基础，将味源定位问题看作函数寻优问题，充分利用了浓度梯度信息，并且降低了对控制精度的要求。通过仿真对比了瞬时浓度梯度法和基于单纯形的格形搜索法，结果表明，基于单纯形的格形搜索法成功率更高.哈尔滨工业大学的徐保港等提出了类似于仿生细菌的趋化性的半随机移动法。半随机移动法可以提高成功率，降低时耗，而占用的存储空间也很小. 利用实验装置采集了传感器阵列的定量输出信号，根据BP神经网络的相关理论，利用样本信号对网络进行了训练和验证，结果基本满足要求；随后根据网络各层的权值和阈值，将网络移植到单片机中。 最后选用机械本体和硬件系统组合，构建了嗅觉机器人系统，并根据半随机搜寻策略编制了软件，验证了算法的有效性。1.3 主动嗅觉研究面临的问题1.3.1 气味/气体分子分布特性由于气味/气体分子的扩散速度通常比风速要慢得多，所以在无风或微风的情况下主要是空气湍流决定烟羽的结构。在风速稳定和比较高的情况下，会产生比较稳定的烟羽；否则， 烟羽不稳定甚至无法形成烟羽. 实际上, 在真实环境中烟羽结构十分复杂。由于气味/气体分子的分布被湍流所扰乱，所以烟羽随机地弯曲，导致形状变得不规则. 因而, 使用传感器检测到的气体浓度发生很大的波动。另外气味/气体被分离成不可预测的路径，在距离气味/气体源头比较远的情况下，浓度梯度是非常小的, 所以简单的梯度跟随是无效的. 只能在简化的特殊环境下，通过湍流传播理论描述时间平均的气体分布, 可得到相对简单的方程. 例如Ishida等采用以下湍流扩散方程来近似烟羽的分布:式中假设坐标系的原点为气味/气体源的位置; x 轴的正向为下风向的方向; c( x, y, z )代表点( x, y, z )的平均浓度; q 为气体散发速率; K 为湍流扩散系数; U代表风速;。由于不同位置的气味/气体源可以产生相同的信号，这就导致了传感器模式不可预测地变化，所以定位不能只用当前传感器的读取值，还需要过去的值。 在真实环境中，浓度梯度分布不是一致的. 一般情况下，由于时间等原因，通常浓度最大的地方不是气味/气体源头，而局部最大值分布最密的地方离源头越近。由于室外环境下风场的高度波动, 因此目前的气味/气体搜索研究主要集中在室内环境下进行。1.3.2 气味/气体传感器金属氧化物传感器由于价格低廉、灵敏度高和受环境条件影响较小等优点, 是目前主动嗅觉研究的主要气味/气体传感器.但此种传感器也存在着如下一些问题.难以区分近似气体:目前的金属氧化物传感器不能区别相似的气体(如TGS822 对乙醇、甲烷、苯、一氧化碳和丙酮等均具有相似的输出), 因此很难跟踪一种指定的气体.缺乏准确可靠的传感器模型: 很难建立传感器和环境系统之间准确的解析模型, 原因是气味/气体传播的混沌特性和传感器读数的噪声, 动态的传感器模型的建立就更困难. 为了分析金属氧化物传感器的瞬态响应,Ishida等尝试用二阶线性系统来描述传感器的动态特性. 由于恢复时间一般比响应时间长很多, 因此他们使用两个二阶线性模型分别描述响应特性和恢复特性, 取得了一定的效果.信号时延: 金属氧化物传感器的反应及恢复时间较长, 因此在实时操作过程中, 很难假设先后的各个传感器读数是条件独立的。Ishida和Nakayama提出了一种折中的速度慢但灵敏度和鲁棒性好的气体传感器信号处理算法。此算法的特点是通过监测传感器输出的相对变化来判断响应及恢复的开始时刻。一旦监测到传感器的响应则迅速启动逆风向的烟羽跟踪策略。与采用传感器的绝对输出方式相比,此法的优点是它基本不受漂移和灵敏度失配的影响,从而可以可靠地检测烟羽。此法也用来调整机器人的运动速度和方向,用来增加检测和跟踪烟羽的可靠性。实验结果表明,气味/气体源搜索的时间大大缩短,机器人平均速度是以前的5倍。在一些快速实时条件下的定位任务里,如何协调移动机器人的速度和传感器的响应速度成为重要的问题。1.4 本论文研究的内容在室内微风条件下，基于计算流体力学应用Fluent软件模拟了二维的天然气泄漏的浓度分布图。然后应用Matlab模拟机器人搜索泄漏源的路径。第一章：介绍了研究主动嗅觉机器人的目的及意义、国外和国内研究的状况、主动嗅觉研究面临的难题及本课题研究的内容和方法。第二章：介绍气味烟羽的形成、主动嗅觉的三个子过程以及基于湍流主控环境下单机器人嗅觉定位策略（化学趋向性、风趋向性、信息熵）。第三章：介绍气体泄漏扩散的模拟方法和Fluent软件进行数值模拟的过程和基本原理以及应用Fluent软件对主动嗅觉机器人定位的室内环境进行数值模拟，并求输出动态的泄漏气体的烟羽浓度分布图及数据值。第四章：在烟羽函数未知的情况下，介绍了几种基于仿生学的主动嗅觉定位策略以及本文采用的基于受生物化学趋向启发的半随机法，并在Matlab中模拟机器人寻找泄漏源的路径。第五章：对全文进行总结、展望。2 主动嗅觉定位策略2.1 气味传播的三种方式扩散过程包括两部分：一是分子自身的扩散：另一个是湍流造成的湍流扩散。气体分子自身扩散的速度是极慢的，在25、一个标准大气压下扩散系数为0.119cm2s，折算为扩散速度20.7cms。扩散主控主要指分子扩散成为气味传播的主要方式，如地下等。在扩散主控环境里，由于没有湍流的作用，分子扩散成为气味传播的决定因素，因此简单的梯度搜索即可以趋近气味源。湍流主控指湍流主要控制气味传输，分子扩散可以忽略，且现有的风向传感器可以检测到比较准确的值，如一般的室外环境和通风的室内环境。湍流主控微弱流体指气味同样主要受到湍流控制，但现有的风向传感器无法得到可靠的数据(小于5 cms)，如封闭的室内环境没有同外界进行流体交换，而是通过温差产生微弱对流。2.2 烟羽 2.2.1 烟羽的定义气味被气源释放后，气体分子在气流的作用下，以团状( package of odorant)的形式扩散和传播，而这些团状的气体分子在空气中运动的轨迹犹如羽毛般，于是羽毛般的运动轨迹称为“烟羽”，因此气味追踪又称为气味烟羽追踪。图2.1给出了一个在风洞中通过四氯化钛烟尘可视化的烟羽.2.2.2 烟羽在湍流环境中的特点在自然环境下释放的气体分子在风的作用下形成烟羽。典型的烟羽会随着下风的方向形成圆锥形的轮廓。烟羽的长度主要由水平对流现象决定，烟羽的横向传播主要由湍流决定。在湍流环境中，当烟羽远离气味源时，由于扩散会变得越来越稀薄。由于湍流的混沌特性，导致烟羽随机的弯曲，形状变的不规则。因而，使用传感器检测到的气体浓度发生很大的波动。另外，气体被分离成不可预测的路径，在距离气味源头比较远的情况下，浓度梯度是非常小的。只能在简化的特殊环境下，通过湍流传播理论描述平均时间的气体分布，可得到相对简单的基于高斯分布的方程。湍流扩散在边界层表现为不同尺度的漩涡小尺度潢涡将气味烟羽“撕”成很多细丝(filaments)从而导致烟羽内部浓度的振荡，而大尺度漩涡导致整个烟羽蜿蜒曲折。湍流环境中由于烟羽结构十分复杂，梯度搜索无法找到气味源，而需要更为复杂的搜索策略，在湍流环境下的气味源定位研究更具有挑战。2.3 主动嗅觉2.3.1 主动嗅觉定义很多生物利用气味信息完成求偶、觅食和信息交流等活动。受到这一启发，一些学者自上世纪90年代开始尝试采用移动机器人结合气体传感器等器件模拟自然生物的这一功能。国外将此研究称为化学烟羽跟踪或气味源定位，国内将机器人利用机载的传感器结合适当的搜索策略完成气味烟羽的发现、跟踪和最终确认气味源的整个过程称为机器人主动嗅觉。2.3.2 主动嗅觉的三个子任务烟羽发现是机器人在搜寻开始或长时间没能测得气味信息时使用的某种路径或运动规划，以使机器人尽快接触气味烟羽。烟羽跟踪是机器人在已经发现气味烟羽情况下所进行的机器人路径或运动规划，以使机器人高效、快速地接近气味源。烟羽在发现过程是由于环境流体的湍动会导致烟羽的不规则和间歇等特性，机器人即使已经处于烟羽的扫掠范围内，也不是每次一定能够测到气味信息。因此，在烟羽跟踪的过程中，很可能会发生丢失烟羽的情况，这时需要借助已知的一些烟羽先验信息，再次发现烟羽并进行跟踪。烟羽发现和再发现之间的共同点在于，两者均是在当前一段时间内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；不同点在于，烟羽发现用于气味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。气味源确认则是机器人如何判断自己是否已经找到气味源并指出其位置的过程。2.4 基于湍流主控环境下单机器人嗅觉定位策略2.4.1 化学趋向性所谓化学趋向性，指生物依靠所获信息素的浓度梯度到达气味源。针对气味源定位问题，化学趋向性通常指机器人利用不同位置的浓度测量值计算出浓度梯度，然后仅根据浓度梯度来向气味源接近的过程。目前文献中包括几种具有代表性的算法：Braitenberg算法、E.coli算法、Ishida的基于飞艇算法。Braitenberg算法所谓Braitenberg类型，是指采用直接的传感器电机(sensor-motor)反应导航方式。在烟羽跟踪过程中，Braitenberg算法主要指传感器和车轮之间可以通过抑制的交叉耦合(crosscoupling)或者刺激性的同向连接，使机器人倾向浓度高的方向运动。Russelll321、Sandini、Kuwana、Kazadit、Farah和Duckett、Grasso分别作了相关改进和实验。Lilienthal和Duckett在室内封闭环境内也做了改进与实验。E.coli算法最早源于大肠杆菌(E.coli)在粘性环境中搜索行为。虽然该算法比较适合于粘性环境，但一些研究人员经过改进把它应用于地面上湍流主控的环境里。采用一个气味传感器的E.coli算法为：若当前传感器检测值同上一次相比增加，则机器人旋转随机角度，范围在（-50，+50）之间，然后向前运动随机长度，范围在（-0.05 m，+0.05 m）之间：如果减少，则机器人旋转随机角度，范围在（-1800，+1800）之间，然后向前运动随机长度，范围在（-0.05 m，+0.05 m）之间。Russell和Marquest分别在湍流主控的环境里实现了该算法。Lytridist501也通过仿真验证了该算法，称该算法为BRW(Biased Random Walk)算法。Ishida基于飞艇算法，使用飞艇在3D环境下进行烟羽跟踪，10个气体传感器安装在飞艇的表面。通过两种化学趋向性算法进行了实验：飞艇向着最大平均浓度响应的传感器方向运动，结果表明一些实验成功但时间较长，部分实验失败；沿着飞艇上前后的一维(1D)传感器波动最大的方向运动，实验是成功的。2.4.2 风向趋向性所谓风趋向性，是指模仿生物(如蓝蟹等)在感知气味时逆流而上，即通过逆风(空气中)或逆流(液体中)的方向到达气味源的一种方法。风向趋向性通常要与化学趋向性结合使用，主要包括逐步前进法(Step by step progress)、Z字形Dung Beetle算法、多阶段搜索算法、3一D Z字形算、烟羽中心逆风算法、蚕蛾算法、基于动物捕食行为算法等。逐步前进(Step-by-stepprogress)Ishida在文献中采用了带有四个气体传感器(TGS822)和四个风速传感器(F6201.1)的移动平台。单一方向的风对四个风速传感器系统产生唯一的响应模式，每45度方向上对应一个模式，一共八个模式的模板预先存储在计算机中，可以通过测量值和模式的最优匹配来确定方向。在风洞中实验了逐步前进法。该算法使得机器人跟随浓度梯度向烟羽中心接近，同时做逆风搜索。当沿着风向的气体浓度梯度非常小的时候，风向成为定位的有效信息；反之，当横过风向的浓度梯度相对陡峭时，可以采用气体浓度的信息接近烟羽。风向和浓度两者信息的结合提供了气味源的方向。因为横越风方向上的浓度梯度要大于沿着风向上的，所以该算法只考虑了垂直风向上的传感器得到浓度梯度。算法选择风向和最大传感器输出值的中间角度作为运动方向，机器人运行一个固定的距离，整个过程重复运行。z字形Dung Beetle算法主要是指机器人在烟羽中以z字形的方式逆风运行。当机器人到达烟羽边界时，返回到烟羽中。在蜣螂(Dungeetk：)的行为中，可以观察到类似的现象，所以z字形算法和模仿Dung Beetle算法基本一致，这里归为一类。Ishida和同事在文献伸最早聚用z字形算法。他们也用一个带有四个气体传感器和四个风速传感器的移动平台在风洞中实验，风洞中的平均风速保持不变。该算法在几分钟到十几分钟内可以完成定位。Russell1利用RAT机器人也实现了Dung Beetle算法。上述两个实验都是在空气中完成。Farrelll561在水下对z字形算法进行了实验，能以较高成功率到达气味源。多阶段搜索算法(Mulfiphase search)为了提高机器人系统的环境适应性。Ishida在清洁的室内环境中做了实验，烟羽中心逆风算法Russell1最早提出该算法。首先机器人通过横越风运动记录浓度的剖面曲线，试图发现烟羽的中心位置：当机器人到达烟羽边缘的时候，开始向烟羽中心运动，同时进行逆风跟踪。该算法与逐步前进法有衅近似。Russelll5、Ishidal571和MarquesISSl都使用该算法进行了实验。蚕蛾算法此算法是受到雄蚕蛾跟踪雌蚕蛾释放的信息素行为启发而提出的。该算法主要包括四个步骤：波动(surge)，即迅速的逆风运动：Cast从一边到另一边的摆动搜索，不断增加幅度：不完整的圆周运动：不规则的转向运动。如果任一步骤机器人检测到气味，则从第一步开始。2.4.3 信息趋向性 Massimo Vergassola和同事首次提出利用信息熵来进行气味源定位。信息趋向性策略是指局部最大化信息增益的期望率，搜索过程可以看作是对气味源信息的获取过程。对此方法来说，信息起到了化学趋向性中浓度的作用-孙驻文对该算法进行了改进，减少计算时间，并通过仿真验证了该算法。由于该算法比较复杂，计算量较大，所以至今并未用于实际实验。3 基于Fluent软件室内环境的数值模拟3.1 气体泄漏扩散的模拟方法目前在研究气体扩散领域应用较多的模拟方法主要有三种，即：物理模拟方法、数学模拟方法和CFD 数值模拟方法。当然在实际的模拟仿真过程中，经常是两种或是三种方法同时使用，以此来验证模拟的准确性。3.1.1 物理模拟方法物理模拟是模拟的基础方法，指在不同与实体的规模上将某一过程再现，并分析其物理特性和线性尺度对实体的影响，进而对所研究实体或过程进行直接实验。将实际地形物理按比例的缩小模型置于实验体(如风洞、水槽等)内，在满足基本相似条件(主要包括几何、运动、热力、动力和边界条件相似)的基础上，模拟真实过程的主要特征，如空气动力规律和扩散规律。物理模型建立的理论基础是相似理论。进行进行物理模拟研究，必须解决如何设计和制作模型以及将模型实验的结论在实体上应用等问题。相似原理是研究、支配力学相似系统的性质及如何用模型实验解决实际问题的一门科学，是进行模型实验研究的依据。根据相似理论，物理模型若能与原型保持相似，则由物理模型经过实验得到的规律，原型也同样适用。建立物理模型要遵循很多相似条件，如几何相似、运动相似、动力相似及热相似等。在建立模型时，由于所有相似条件不可能完全满足，所以针对研究的具体要求，要适当做出取舍，恰当选取相似参数是实现物理模拟的关键。物理模拟主要用于数值计算模式难于处理的复杂地形以及受到建筑物影响时的扩散研究。与现场实验相比，特别是复杂条件下的现场试验相比，物理模拟实验条件易控制、可重复且可节省人力、物力，可进行较全面和规律性实验，是大气扩散研究的重要手段。3.1.2 数学模拟方法数学模拟方法是解决简单扩散问题的常用方法，此方法是通过用数学模型、在一定条件下来研究一个物理或化学过程，或通过模型描述一个复杂的物理或化学过程的某些特点。此种方法所借助的数学模型的方式没有固定限制，可以是一系列代数式或微分、积分方程，也可以简化为一个关系式。其中常见的数学模型：高斯模型、箱及相似模型、浅层模型、Sutton 模型以及唯象模型。3.1.3 CFD 数值模拟方法CFD 模拟是一种数值模拟方法，用此方法解决流体运动问题于数学方法的研究思路不同，此种方法对扩散的研究不必依赖偏微分方程的求解，在解决问题时，根据具体研究的要求，不是去求解析解，而是运用有限元的思想对具体问题建模，并通过相应的软件技术对模型进行模拟仿真计算，使对具体的流动过程的分析和研模拟。采用这种数值模拟方法进行模拟有一定的程序。第一步，根据泄漏介质的特点和泄漏条件建立基本守恒方程，包括质量方程、动量方程、能量方程以及组分方程等；第二步，判断和选择初始和边界条件，对扩散中的各种场函数进行模拟，这些场主要有流场、温度场、浓度场等。第三步，对各种描述结果进行分析，完成模拟目的。此种方法是在借助计算机的基础上完成的，模拟过程中不需要对气体的密度性质进行判断，对于扩散的初始状态也不用进行详细的阶段分析，因此用这种方法进行模拟就克服了箱及相似模型中的许多缺点，对于箱及相似模型模拟是遇到的问题都可以不考虑，如辨识和模拟重气的下沉、扩散过程中空气的卷吸、等许多问题。另外，该方法对模拟对象的要求不高，既可以模拟平坦均匀地形情况的扩散问题，又有模拟更复杂情形流动的能力。这种模拟方法是在Navier-Stokes 方程(以下简称N-S方程)的基础上产生的，是一种完全三维的流体力学模拟方法，至少在原理上，此种方法可以模拟所有重要的物理过程。物体的流动有层流和湍流之分。通常情况下，大气的流动都为湍流。相对于层流来说，湍流过程更为复杂。经过长时间的研究和总结工作，目前关于湍流的工程模式和计算机数值模拟方法有许多，但总结来看，已经普遍采用只有直接数值模拟方法、大涡模拟方法和湍流统观模拟方法这三种。3.2 Fluent 软件介绍尽管天然气在室内的扩散满足微观质量守恒定律、动量守恒定律和能量守恒定律，但是由于受到各种因素内外界因素的影响，天然气在运动过程中由于多种原因会发生很大的形变，这种形变的方式采用数学方法很难进行求解。即使利用数学方法得到了偏微分方程，并通过近似等方式得到了方程的解析解，但这种方式不能很好的反应天然气的扩散状态。所以对具体的扩散问题只有借助计算机技术来完成，运用数值求解方法来对扩散问题进行研究，计算流体力学(CFD)是进行此类研究的基础。Fluent 是CFD 软件中应用很广泛的一种，它在美国的市场占有率已经超过60%，是目前国际上比较流行的CFD 软件包，可以模拟跟流体、热传递及化学反应等有关的很多问题。此软件使用方便、功能强大。其主要特点是：物理模型全面、数值方法先进、及的前、后处理功能强大，目前在很多领域都有着广泛的应用，并且取得了很好的效果。特别是航空航天研究、汽车设计、石油天然气泄漏扩散等方面。Fluent 软件设计是基于CFD 软件群的思想，针对各种复杂流动的现象，从用户需求角度出发，陈对模拟对象的特点，采用不同的离散格式，利用不同的数值求解方法，最终达到模拟实验的目的，并要求实验中各种参数在自身领域内的稳定性。同时也要对计算速度和精度进行设置，这样可以高效的结局复杂的流动问题，而且可以解决各个领域的问题。基于上述思想，Fluent 开发了各种模拟软件，这些软件适用于各个领域、多种流动的模拟。这些软件能够模拟流体流动、化学反应、物质传热和其它多种复杂的物理现象。为了方便用户，Fluent 在建立网格时采用了统一的生成技术，而且应用相同的图形界面，使用起来很方便，究变得很方便。本章就应用CFD 软件Fluent 对天然气室内扩散过程进行仿真3.2.1 Fluent 用于气体泄漏扩散的适用性目前在泄漏扩散模拟仿真方面已经应用Fluent 做过的研究有化学试验烟羽轨迹跟踪，冷却塔烟羽扩散模式研究等。另外，袋虑室、旋风除尘器、有毒气体排放、烟气脱硫设备、SO2 洗涤、工业污染物排放等过程和设备的模拟等都可以应用Fluent进行模拟。通过以上的成功经验证明，Fluent 对于居室内天然气的泄露扩散问题的模拟具有适用性。3.3 天然气泄漏的仿真过程本小节是在分析天然气室内泄漏扩散特点的基础上，确定基本控制方程，利用计算流体力学(CFD)方法，对室内燃气泄漏扩散过程的状态进行模拟和仿真。3.3.1 天然气泄漏扩散模型1） 物理模型的建立 本文选择普通居民居住的房间作为研究对象。几何尺寸:长8m ,宽3m 。在通风的条件下，天然气在管道口发生泄漏在此条件下做以下假设：1.1 把空气质点的平均运动看作是不可压缩流体的运动；1.2 在数值计算中忽略空气粘性的影响；1.3 本文使用湍流粘性系数来表征大气的湍流性质，并采用双方程湍流模 型，即 湍流模型求解；1.4 假设泄漏时温度不发生变化，并忽略可燃性气体与空气的温度差异。2） 几何模型的建立 Fluent 建立几何模型主要有两种方式：一是在前处理器Gambit 中直接建立；另一种是利用专业的软件工具建立模型并将其导入Fluent 中。Gambit 只适用于创建简单的几何体，对于复杂形体而言，其绘图功能是远远不够的，这时Gambit 允许引入一些其他软件创建的文件，常用的有Autocad 创建的ASCI 形式的文件。本文的模型是在前处理器Gambit 中直接建立。为了更直观、更形象的反映天然气泄漏扩散的过程，本文采用的是二维建模的方式。3.1图 室内二维空间的几何图3）网格的划分在使用CFD 软件的工作中，有大约80%的时间是花费在划分网格上，可以说网格划分能力的高低是决定工作效率的主要因素之一。Fluent 软件采用非结构与适应性网格相结合的方式进行网格划分。与结构化网格和分块网格相比，非结构网格划分便于处理复杂外形的网格划分，而适应性网格则便于计算流场参数变化剧烈、梯度很大的流动，同时这种划分方式也便于网格的细化或粗化，使得网格划分更加灵活、简便Fluent 划分网格的途径有两种：一种是用Fluent 提供的专用网格划分软件Gambit 进行网格划分，另一种则是由其他的制图软件，如CAD 软件等完成造型工作，再导入Gambit 中生成网格。还可以用其他网格生成软件生成与Fluent 兼容的网格用于计算。本文是在Fluent 前处理器Gambit 中进行网格划分，按照由线到面、由面到体的原则，采用自动划分的方式对网格进行划分，共划分网格12996个，网格划分情况如图3.2 所示。3.2图 划分网格后的几何图3.3.2 基本控制方程Fluent 的求解是基于各种方程的，本文涉及到的基本方程主要有连续性方程、动量方程、能量方程和组分方程四种。1）连续性方程对于湍流的求解要借助连续性方程来完成。根据物质扩散的各种性质不同，可将连续性方程可分为以下4类，第一类为不可压缩流体模型(incompressible fluidmodel,IFM)；第二类为非弹性流体模型(anelastic fluid model,AFM)；第三类为变密度流体模型 (