启发式机器人爆燃质羽流追踪行为建模及方法研究

Biological behavior-inspired robot plume tracking has gradually been a hot research area in recent years. However, tracking of deflagration plumes for robots remains unexplored. Due to the lack of suitable behavioral modeling and approaches of the plume tracking for robots, the plume tracking effects and source declaration are not perfect, impeding the study and exploration on the tracking of deflagration plumes for robots. To solve the problems, this project will focus on the underlying knowledge acquisition and multiple-source different information fusion, heuristic hybrid Petri nets (HHPN) for modeling the robot behaviors of tracking plumes. This project will also focus on the mapping model of the tracking and behavior interactions, and study on the tracking of deflagration plumes for robots using the optimal behavioral decision-making and optimal control approaches. The research results of this project will provide the approach support to the tracking of deflagration plumes for robots, and promote the developments of the related theories. As far as the application prospects are concerned, this project will provide the techniques of searching for explosives for robots, and has practical significance for defending terrorist explosion attacks in Xinjiang.

基于仿生行为的机器人羽流追踪近年逐渐成为研究热点，但对机器人爆燃质羽流追踪方法的研究尚有待深入。由于缺乏追踪行为建模与方法导致羽流追踪效果和源定位精度仍不够理想，阻碍着机器人爆燃质羽流追踪的研究与探索。为解决上述问题，本项目将重点研究机器人爆燃质羽流追踪隐性知识获取与多源异类信息融合，羽流追踪行为建模的启发式混合Petri网（HHPN），追踪行为交互逻辑与映射模型，基于最优行为决策与追踪控制的机器人爆燃质羽流追踪方法。项目研究成果将为机器人爆燃质羽流追踪提供方法支持，对相关理论的发展具有促进作用。在应用前景方面，将为机器人搜爆提供技术支持，对防御新疆地区爆炸恐怖袭击具有重要的现实意义。

项目在机器人羽流追踪过程的环境感知、知识获取、行为建模以及追踪方法等方面开展了深入的研究，实现了项目的研究目标，取得了预期的研究成果。在隐性知识获取与信息融合方面，提出一种多层细胞可微分渐进式结构搜索，通过改善结构参数的分布，使搜索阶段的结构参数更接近评估模型。为实现对环境图像特征的均匀化提取，设计了一种改进的AGAST特征提取算法。为解决基于RGB-D视觉SLAM未充分利用场景中的几何信息，且在估计相机位姿时用了动态特征而导致定位精度不高和稳定性不强的问题，提出一种在动态环境下基于多几何特征与语义分割的鲁棒RGB-D视觉SLAM的环境感知算法。在复杂场景及目标外观变化条件下，设计了一种融合深度信息的移动机器人跟踪方法。在机器人爆燃质羽流追踪行为建模及交互逻辑方面，针对扩散环境下难以获得可靠的羽流流向/流速信息，建立了一种基于多传感器融合的有限三维空间扩散环境下的机器人羽流追踪模型，并通过设计的包含体系结构来定义和仲裁行为决策优先级。针对主从式多智能体系统通信硬件成本高、计算资源占用大的问题，建立了一种基于复合Petri网的多机器人协同羽流追踪的通信模型；为解决时变通信时延和未知干扰问题，设计了一种多智能体系统改进蜂拥控制。在机器人爆燃质羽流追踪方法方面，设计了一种模拟退火结合模糊C均值的羽流辨识算法，提出一种基于决策树的移动机器人羽流追踪自主决策方法，设计了布谷鸟搜索结合模糊C均值聚类的羽流追踪算法，构建了一种基于灰狼优化算法（GWO）的移动机器人羽流追踪机制。以上项目研究成果为机器人爆燃质羽流追踪提供方法和模型支持，为危险羽流分布及搜爆提供技术支撑，对维护区域安全具有重要的理论与现实意义。