針對無法獲得可靠羽流流向信息不利于實現(xiàn)羽流追蹤的問題,提出了一種基于決策樹的羽流追蹤移動機器人自主決策方法。該方法通過移動機器人兩側(cè)的濃度傳感器采集到的濃度信息,利用追蹤的行為規(guī)則建立決策樹模型,獲得行為決策信息,使機器人高效地追蹤到羽流并精確地定位。由于濃度變化關(guān)系蘊含了羽流的流向及流速信息,從而取代了傳統(tǒng)方法中流向及流速傳感器。在擴散環(huán)境下,通過移動機器人羽流追蹤實驗,實現(xiàn)了良好的源定位效果。 

【文章來源】：計算機工程與應(yīng)用. 2019,55(14)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

羽流源與移動機器人平臺

2019，55（14）驗場地中布置了羽流源，即一個裝有泄漏物質(zhì)（酒精）的加濕器，如圖3所示。實驗室處于無風(fēng)自然狀態(tài)。實驗設(shè)計移動機器人從起始點到羽流源位置進行多次實驗，驗證羽流源追蹤方法的效果。實驗平臺是由電機驅(qū)動模塊、濃度搜索模塊、數(shù)據(jù)存儲模塊和ArduinoUNO控制器組成的移動小車，如圖3所示。其中電機驅(qū)動模塊是由雙H橋直流電機驅(qū)動板組成，濃度搜索模塊是由RB-02S016AMQ-3酒精傳感器組成。兩濃度傳感器對稱地安裝在與轉(zhuǎn)軸平行的平面上，其輸出信號電壓正比于羽流濃度信息大校3.2實驗結(jié)果分析在實驗室里通過3.2m×5.0m的區(qū)域來驗證基于決策樹的羽流尋蹤方法。實驗分為七組，每一組實驗都重復(fù)實驗15次，位置坐標原點位于實驗區(qū)左下角，加濕器（羽流源）的噴口高度為0.32m。規(guī)定移動機器人與羽流源的夾角以逆時針方向為正。其中，前四組實驗的羽流源和移動機器人的起始位置不變，但移動機器人與羽流源的夾角分別為0°、90°、180°和270°，化學(xué)源坐標位置是在（1.1，4.8）m，移動機器人起始位置是在（1.1，0）m。第五組實驗改變移動機器人的起始位置為（2.7，0.7）m，而羽流源的位置不變，移動機器人與羽流源的夾角為45°。第六組實驗改變羽流源的位置為（0.5，4.5）m，而移動機器人的起始位置不變，動機器人與羽流源的夾角為0°。第七組實驗改變移動機器人的起始位置為（2.7，0.7）m，而羽流源的位置不變，移動機器人與羽流源的夾角為270°。部分實驗結(jié)果如圖4所示；實驗結(jié)果數(shù)據(jù)統(tǒng)計如表2所示。表2中，源定位率是在某組實驗中，源定位成功次數(shù)/總次數(shù)；源定位誤差Δe是實際羽流源位置與源定位位置間的歐氏距離；累積行走距離D是移動機器人從起始點至終點的行走距離；時間t是羽流追蹤的總時間。以第

【參考文獻】：
期刊論文
[1]基于屬性重要度的決策樹算法[J]. 王蓉,劉遵仁,紀俊.  計算機科學(xué). 2017(S2)
[2]基于相關(guān)性的類偏好敏感決策樹算法[J]. 周美琴,徐章艷,陳詩旭,李艷紅,馬順,展雪梅.  計算機工程與應(yīng)用. 2017(05)
[3]隨機森林在滾動軸承故障診斷中的應(yīng)用[J]. 張鈺,陳珺,王曉峰,劉飛,周文晶,王志國.  計算機工程與應(yīng)用. 2018(06)
[4]一種基于模糊邏輯算法的移動機器人仿生氣味源空間定位方法[J]. 趙智琦,房建東.  電子設(shè)計工程. 2015(11)
[5]水中化學(xué)羽流的建模和數(shù)值模擬分析[J]. 孟祥堯,邱志明,張鵬,宋保維.  西北工業(yè)大學(xué)學(xué)報. 2014(05)
[6]基于多微粒群優(yōu)化的機器人氣味源定位[J]. 鞏敦衛(wèi),戚成亮,張勇,胡瀅.  電子學(xué)報. 2013(10)
[7]稀疏環(huán)境中信息趨向性搜索算法性能分析[J]. 張思齊,崔榮鑫,徐德民.  機器人. 2013(04)
[8]室內(nèi)通風(fēng)環(huán)境下基于模擬退火算法的單機器人氣味源定位[J]. 王陽,孟慶浩,李騰,曾明.  機器人. 2013(03)
[9]基于遺傳算法的機器人主動嗅覺研究[J]. 石志標,孫江波.  東北電力大學(xué)學(xué)報. 2011(01)
[10]ID3算法在ATM選點預(yù)測系統(tǒng)中的應(yīng)用[J]. 于海濤,姚耀文.  計算機工程與應(yīng)用. 2010(10)



本文編號：3093492