基于移动机器人的主动嗅觉技术研究
2014-08-08张东程磊刘波周明达
张东++程磊++刘波+周明达
收稿日期：2013-08-02
基金项目：国家自然科学基金资助（60705035，61075087，61203331）;冶金工业过程系统科学湖北省重点实验室开放基金重点项目（Z201102）；河南省高等学校控制工程重点学科开放基金项目（KG2011-01）；湖北省教育厅科研计划重点项目（D20131105）
作者简介：张 东（1989—），男，湖北随州人，研究生，研究方向：移动机器人，智能控制。
文章编号：1003-6199(2014)02-0007-04
摘 要：使用移动机器人来定位气味源已经成为一个研究热点，机器人主动嗅觉是指使用机器人自主发现并跟踪烟羽，最终确定气味源所在位置的技术。本文对当前主动嗅觉技术进行概述，并根据生物嗅觉行为介绍一种气味源定位算法，这种算法不依赖某一点气味浓度值，仅依靠气味浓度变化率就可找到气味源。并在高斯模型下对烟羽分布模型进行仿真。
关键词：机器人；仿生嗅觉；气味源定位
中图分类号：TP391文献标识码：A
Active Olfaction Technology Research Based on Mobile Robot
ZHANG Dong1，CHENG Lei1,2，LIU Bo1，ZHOU Mingda1
(1.College of Information Science and Engineering ,Wuhan University of Science and Technology,Wuhan,Hubei 430081,China;
2.Henan Provincial Open Laboratory for Control Engineering Key Disciplines,Henan Polytechnic University,Jiaozuo,Henan 454000,China)
Abstract:Using mobile robot to locate the odor source has become a hot research，Robot active olfaction refers to the use of robots find and track plume, ultimately determine the odor source location．This article summarizes the current active olfaction technology, and according to the biological olfactory behavior to design an algorithm for odor source localization, the algorithm does not rely on a little odor concentration values, only rely on the odor concentration rate we can find the odor source. The simulation and the plume distribution model in the Gauss model.
Key words:robot; bionic olfaction;odor source localization
1 引 言
气味跟踪和定位在自然界普遍存在。近年来，研究人员使用智能移动机器人来探测定位危险气源已经成为了一个研究热点。移动嗅觉机器人可以从事与气味跟踪相关的工作，例如：寻找有毒气体泄漏源、寻找地下煤矿瓦斯气体泄漏源［1］、寻找爆炸源等。目前机器人嗅觉还处于初级阶段，这也是机器人领域最后及最难攻克的感知模拟问题。移动嗅觉机器人具有开发快速，可长时间工作，且能完成高危作业的特点，这种气味源跟踪及定位的嗅觉机器人具有广阔的应用前景。
2 移动嗅觉机器人研究现状分析
自1990年开始，日本和美国的研究员就开始从事机器人主动嗅觉方面的研究，并取得了丰富的成果。在国内此方面的研究还处于起步阶段，但由于其研究意义重大，相关成果迅速获得关注。
在国外, 美国智利圣地亚哥大学的Rozas早在 1991 年就开始研制电子鼻［1］进行气味搜索方面研究，他们把电子鼻安装到小型移动机器人上，使移动机器人具有气味跟踪的能力，并提出了气味浓度梯度算法使机器人具有跟踪气体，寻找气味源的能力。从此很多研究员就开始这方面的研究。1992年后，日本东京工业大学的Ishida［2］和他的团队就开始机器人主动嗅觉方面的研究，他通过仿生学原理提出了一种根据风向信息及气味浓度信息两种搜索策略相结合实现气味源定位，提高的移动机器人定位的效率。Ishida还开发出电子鼻如图1所示：
图1 电子鼻
计算技术与自动化2014年6月
第33卷第2期张 东等：基于移动机器人的主动嗅觉技术研究
这种电子鼻［3］的原理是用石英晶体当检测气味分子的敏感天平，在石英晶体表面涂上一层可以捕获气味的化学原料，当电子鼻在遇到气味时，石英晶体表面会附上此种气味微粒，导致石英晶体质量增加从而影响共振频率。石英晶体质量增加对共振的影响公式如下：
ΔX=2X2ΔaPV(1)
其中X表示石英晶体的共振频率，ΔX表示石英晶体共振频率的变化量，Δa表示石英晶体的单位面积质量增加，P表示石英晶体的密度，V表示声音在石英晶体中传播速度。2004年，Ishida开发出三维气味源定位器如图2所示；
图2 三维气味源定位器
并利用三维气味源定位器进行了三维空间的机器人嗅觉定位实验。澳大利亚Russell也较早带领他的团队从事机器人主动嗅觉方面的工作，受到生物触觉启发，Russell［4］设计出半八字形机器人主动嗅觉气味寻源算法。2002年美国的Hayes提出了螺旋式气味跟踪算法。并提出机器人气味寻源系统的简单评定指标，即：
Q=XN1+YN2P (2)
P=XN+YM(3)
其中M是完成嗅觉定位所需要的总距离，N是完成嗅觉定位所需要的总时间，X和Y是分别是时间和距离的加权函数，N1是完成嗅觉定位所需的最短时间，N2是完成嗅觉定位所需要最短距离。
在国内，张小俊［8,9］等人研究了一种基于动物捕食行为的移动机器人气味源定位策略；路光达等人基于扁形虫动态刺激反应模式；天津大学孟庆浩教授在多机器人主动嗅觉领域取得了较大成果。
3 移动嗅觉机器人硬件设计
3.1 嗅觉机器人GaPTR型
早在1992年，日本东京工业大学的Ishida和他的同事开始进行机器人嗅觉定位方面的研究。他们从飞蛾嗅觉行为中获得启示，提出了一种模仿飞蛾的嗅觉定位策略，制成了气味方向检测装置，该移动机器人利用四个气味传感器和四个方向传感器实现气味的搜索。嗅觉机器人GaPTR-Ⅰ如图3［7］所示。
图3 嗅觉机器人GaPTRⅠ
2002年，为了提高机器人气味的搜索的性能，Ishida开发了第二代嗅觉机器人GaPTRⅡ。GaPTRⅡ型嗅觉机器人同样采用类型的气味传感器和飞向传感器，但把传感器的摆放位置做了调整。如图4［7］所示，在第二代嗅觉机器人上安装了一个延伸臂，在延伸臂的两端是两个气味传感器Ra和Rl通过比较它们的浓度差从而确定嗅觉机器人的前进方向。嗅觉机器人所在位置的气体浓度是由Rc传感器输出，来判断此时嗅觉机器人是否接触烟羽。两个气流传感器为嗅觉机器人提供风向信息。
3.2 基于MTU移动机器人的嗅觉机器人设计
本文设计的移动嗅觉机器人主要由五个模块组成，即DSP TMS320F2407核心控制模块、传感器控制和信号调理模块、电机控制和驱动模块、无线通信模块、AD和DA转换模块、系统电源等。结构图如下图5，6所示。
图4 嗅觉机器人GaPTRⅡ
图5 移动嗅觉机器人硬件模块
图6 移动嗅觉机器人实物
4 移动嗅觉机器人气味源定位策略设计
4.1 机器人仿生嗅觉技术
机器人仿生嗅觉技术即模仿生物嗅觉追踪气味的能力，嗅觉机器人通过传感器自主发现，跟踪，并确认气味源的能力。Hayes［5］对机器人嗅觉定位进行了定义,即怎么让移动机器人在封闭环境下寻找到气味源，并对其分解为三个任务，如图7所示。
图7 气味源定位
4.2 嗅觉机器人气味源定位策略
浓度梯度搜索策略是国内外研究较多的气味源定位策略之一，移动机器人仅仅依靠气味浓度的变化就可以找到气味源。浓度梯度搜索策略是受到生物趋化性行为而发明的，趋化性是指微生物在受到刺激时一种定向移动的能力，例如细菌的趋光性等，是使其适应环境变化的能力。机器人采用浓度梯度法时通常在机器人前后各安装一个气味传感器，通过比较这两个气味传感器得到的浓度差值确定机器人的前进方向。
Z字形跟踪法搜索策略［6］是国内外研究较多的气味源定位策略之一。它是研究飞行生物追踪信息素而发明的。例如，飞蛾发现气味时后，跟踪方法为其飞行轨迹在烟羽内部，当遇到烟羽边界是改变方向，到达烟羽另一边界在改变方向，轨迹为Z字形，这样就能找到气味源。浓度梯度法［7］和Z字形搜索策略示意图如图8所示。
图8 浓度梯度法和Z字形搜索策略示意图［6］
4.3 基于昆虫激化性行为的气味源定位算法
受到生物趋激性启示，路光达等设计了不依靠某一点气味浓度值，不依靠风向，仅仅依靠气味浓度变化率就可找到气味源的定位算法［10］。昆虫激化性行为的气味源定位策略：把移动嗅觉机器人放到密闭有烟羽的空间中，让其以任意步长任意角度运动，当没有检测到烟羽则继续随机运动，当其检测到烟羽后，这时嗅觉机器人根据最后两步的气味浓度变化率来判断步长及偏转角度，当浓度变化率保持最小值阀值时表示嗅觉机器人寻找到气味源，该处即为气味源。气味源定位流程如图9所示：
图9 气味源定位流程
设定嗅觉机器人每步移动L，机器人每步的转角为P,定义XL、XP为与气味浓度变化率相关的变化因子，根据气味浓度变化率决定下一步的步长及转角。其中LK=XL*LK－1,PK=XP*PK－1。某一点气味浓度值设为D，气味浓度变化率设为Y,其中YK=DK－DK－1/DK－1，DMAX为浓度的最大值，YMIN为浓度变化率的最小值，设a为DK相对DMAX的最小值，当DK－DMAX=a时，此时的位置就是气味源，移动嗅觉机器人搜索模式伪代码如下：
while(浓度变化率小于阀值)
{
if ((YK＞YK-1)&&(K-1处左转))||
(( YK＜YK-1)&&(K-1处右转))
前进L右转P
else
前进L左转P
}
5 仿真实验
如今常用的气体扩散模型有：高斯模型，FEM3模型，Britter and McQuaid 模型，高斯烟羽扩散模型通常适用统计方法来考察烟羽扩散的浓度分布，高斯烟羽扩散模型适用于扩散时间长且是连续源的扩散，由于高斯烟羽扩散模型适合作为主动嗅觉技术［8，9］的模拟环境，所以选择高斯烟羽扩散模型［10］。公式如下：
c(x,y,z)=A2πfρyρzexp (－y22ρ2y+－z22ρ2z) (4)
试中：c——烟羽浓度，A——源强，ρy——烟羽沿水平方向扩散参数，ρz——烟羽沿垂直方向扩散参数，其中ρy，ρz由x确定。f——平均风速。设浓度最大点为气味源。高斯烟羽分布模型如下图10所示。图中设风速为0.2m/s，源强为6.22， (0.0)表示气味源，x轴与风向平行。
图10 高斯烟羽分布模型
6 总 结
机器人主动嗅觉技术是一个新的研究方向，以其为背景研发的危险气源定位机器人将具有广阔的科研空间。本文分析了当前的嗅觉机器人发展现状，并介绍了一种仿生气味源定位算法。
参考文献
［1］ RUSSELL R A. Locating underground chemical sources by tracking chemical gradients in 3 dimensions［C］. Proceedings of the 2004 IEEE/RSJ International Conference on Intelligent Robots and Systems. USA: IEEE, 2004. 325-330.
［2］ ISHIDA H, NAKAMOTO T, MORIIZUMI T. Study of odor compass［C］. IEEE/SICE/RSJ International Conference on Multisensor Fusion and Integration for Intelligent Systems .Washington, DC, USA: IEEE, 1996. 222-226.
［3］ FARRELL J A, PANG S, LI W. Plume mapping via hidden Markov methods［J］. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 2003, 33(6): 850-863
［4］ ISHIDA H, SUETSUGU K,NAKAMOTO T, et al. Study of autonomous mobile sensing system for localization of odor source using gas sensors and anemometric sensors［J］. Sensors and Actuators A, 1994, 45(2): 153-157.
［5］ HAYES A T, MARTIONLI A, GOODMAN R M. Distributed odor source localization ［J］. IEEE Sensors, 2002, 2(3):260-271.
［6］ 李飞.湍动气流主控环境下多机器人气味源定位［D］.天津:天津大学电气与自动化工程学院,2009,6.
［7］ 李飞.小型移动机器人嗅觉定位研究［D］.天津：天津大学电气与自动化工程学院,2006.1.
［8］ 孟庆浩, 李飞, 张明路. 湍流烟羽环境下多机器人主动嗅觉实现方法研究［J］.自动化学报： 2008,34(10): 1281-1290.
［9］ 孟庆浩, 李飞. 主动嗅觉研究现状［J］. 机器人：2006, 28(1)：89-96.
［10］路光达，一种机器人仿生气味源定位策略［J］.河北工业大学学报.2010,39(5):21-27.
图3 嗅觉机器人GaPTRⅠ
2002年，为了提高机器人气味的搜索的性能，Ishida开发了第二代嗅觉机器人GaPTRⅡ。GaPTRⅡ型嗅觉机器人同样采用类型的气味传感器和飞向传感器，但把传感器的摆放位置做了调整。如图4［7］所示，在第二代嗅觉机器人上安装了一个延伸臂，在延伸臂的两端是两个气味传感器Ra和Rl通过比较它们的浓度差从而确定嗅觉机器人的前进方向。嗅觉机器人所在位置的气体浓度是由Rc传感器输出，来判断此时嗅觉机器人是否接触烟羽。两个气流传感器为嗅觉机器人提供风向信息。
3.2 基于MTU移动机器人的嗅觉机器人设计
本文设计的移动嗅觉机器人主要由五个模块组成，即DSP TMS320F2407核心控制模块、传感器控制和信号调理模块、电机控制和驱动模块、无线通信模块、AD和DA转换模块、系统电源等。结构图如下图5，6所示。
图4 嗅觉机器人GaPTRⅡ
图5 移动嗅觉机器人硬件模块
图6 移动嗅觉机器人实物
4 移动嗅觉机器人气味源定位策略设计
4.1 机器人仿生嗅觉技术
机器人仿生嗅觉技术即模仿生物嗅觉追踪气味的能力，嗅觉机器人通过传感器自主发现，跟踪，并确认气味源的能力。Hayes［5］对机器人嗅觉定位进行了定义,即怎么让移动机器人在封闭环境下寻找到气味源，并对其分解为三个任务，如图7所示。
图7 气味源定位
4.2 嗅觉机器人气味源定位策略
浓度梯度搜索策略是国内外研究较多的气味源定位策略之一，移动机器人仅仅依靠气味浓度的变化就可以找到气味源。浓度梯度搜索策略是受到生物趋化性行为而发明的，趋化性是指微生物在受到刺激时一种定向移动的能力，例如细菌的趋光性等，是使其适应环境变化的能力。机器人采用浓度梯度法时通常在机器人前后各安装一个气味传感器，通过比较这两个气味传感器得到的浓度差值确定机器人的前进方向。
Z字形跟踪法搜索策略［6］是国内外研究较多的气味源定位策略之一。它是研究飞行生物追踪信息素而发明的。例如，飞蛾发现气味时后，跟踪方法为其飞行轨迹在烟羽内部，当遇到烟羽边界是改变方向，到达烟羽另一边界在改变方向，轨迹为Z字形，这样就能找到气味源。浓度梯度法［7］和Z字形搜索策略示意图如图8所示。
图8 浓度梯度法和Z字形搜索策略示意图［6］
4.3 基于昆虫激化性行为的气味源定位算法
受到生物趋激性启示，路光达等设计了不依靠某一点气味浓度值，不依靠风向，仅仅依靠气味浓度变化率就可找到气味源的定位算法［10］。昆虫激化性行为的气味源定位策略：把移动嗅觉机器人放到密闭有烟羽的空间中，让其以任意步长任意角度运动，当没有检测到烟羽则继续随机运动，当其检测到烟羽后，这时嗅觉机器人根据最后两步的气味浓度变化率来判断步长及偏转角度，当浓度变化率保持最小值阀值时表示嗅觉机器人寻找到气味源，该处即为气味源。气味源定位流程如图9所示：
图9 气味源定位流程
设定嗅觉机器人每步移动L，机器人每步的转角为P,定义XL、XP为与气味浓度变化率相关的变化因子，根据气味浓度变化率决定下一步的步长及转角。其中LK=XL*LK－1,PK=XP*PK－1。某一点气味浓度值设为D，气味浓度变化率设为Y,其中YK=DK－DK－1/DK－1，DMAX为浓度的最大值，YMIN为浓度变化率的最小值，设a为DK相对DMAX的最小值，当DK－DMAX=a时，此时的位置就是气味源，移动嗅觉机器人搜索模式伪代码如下：
while(浓度变化率小于阀值)
{
if ((YK＞YK-1)&&(K-1处左转))||
(( YK＜YK-1)&&(K-1处右转))
前进L右转P
else
前进L左转P
}
5 仿真实验
如今常用的气体扩散模型有：高斯模型，FEM3模型，Britter and McQuaid 模型，高斯烟羽扩散模型通常适用统计方法来考察烟羽扩散的浓度分布，高斯烟羽扩散模型适用于扩散时间长且是连续源的扩散，由于高斯烟羽扩散模型适合作为主动嗅觉技术［8，9］的模拟环境，所以选择高斯烟羽扩散模型［10］。公式如下：
c(x,y,z)=A2πfρyρzexp (－y22ρ2y+－z22ρ2z) (4)
试中：c——烟羽浓度，A——源强，ρy——烟羽沿水平方向扩散参数，ρz——烟羽沿垂直方向扩散参数，其中ρy，ρz由x确定。f——平均风速。设浓度最大点为气味源。高斯烟羽分布模型如下图10所示。图中设风速为0.2m/s，源强为6.22， (0.0)表示气味源，x轴与风向平行。
图10 高斯烟羽分布模型
6 总 结
机器人主动嗅觉技术是一个新的研究方向，以其为背景研发的危险气源定位机器人将具有广阔的科研空间。本文分析了当前的嗅觉机器人发展现状，并介绍了一种仿生气味源定位算法。
参考文献
［1］ RUSSELL R A. Locating underground chemical sources by tracking chemical gradients in 3 dimensions［C］. Proceedings of the 2004 IEEE/RSJ International Conference on Intelligent Robots and Systems. USA: IEEE, 2004. 325-330.
［2］ ISHIDA H, NAKAMOTO T, MORIIZUMI T. Study of odor compass［C］. IEEE/SICE/RSJ International Conference on Multisensor Fusion and Integration for Intelligent Systems .Washington, DC, USA: IEEE, 1996. 222-226.
［3］ FARRELL J A, PANG S, LI W. Plume mapping via hidden Markov methods［J］. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 2003, 33(6): 850-863
［4］ ISHIDA H, SUETSUGU K,NAKAMOTO T, et al. Study of autonomous mobile sensing system for localization of odor source using gas sensors and anemometric sensors［J］. Sensors and Actuators A, 1994, 45(2): 153-157.
［5］ HAYES A T, MARTIONLI A, GOODMAN R M. Distributed odor source localization ［J］. IEEE Sensors, 2002, 2(3):260-271.
［6］ 李飞.湍动气流主控环境下多机器人气味源定位［D］.天津:天津大学电气与自动化工程学院,2009,6.
［7］ 李飞.小型移动机器人嗅觉定位研究［D］.天津：天津大学电气与自动化工程学院,2006.1.
［8］ 孟庆浩, 李飞, 张明路. 湍流烟羽环境下多机器人主动嗅觉实现方法研究［J］.自动化学报： 2008,34(10): 1281-1290.
［9］ 孟庆浩, 李飞. 主动嗅觉研究现状［J］. 机器人：2006, 28(1)：89-96.
［10］路光达，一种机器人仿生气味源定位策略［J］.河北工业大学学报.2010,39(5):21-27.
图3 嗅觉机器人GaPTRⅠ
2002年，为了提高机器人气味的搜索的性能，Ishida开发了第二代嗅觉机器人GaPTRⅡ。GaPTRⅡ型嗅觉机器人同样采用类型的气味传感器和飞向传感器，但把传感器的摆放位置做了调整。如图4［7］所示，在第二代嗅觉机器人上安装了一个延伸臂，在延伸臂的两端是两个气味传感器Ra和Rl通过比较它们的浓度差从而确定嗅觉机器人的前进方向。嗅觉机器人所在位置的气体浓度是由Rc传感器输出，来判断此时嗅觉机器人是否接触烟羽。两个气流传感器为嗅觉机器人提供风向信息。
3.2 基于MTU移动机器人的嗅觉机器人设计
本文设计的移动嗅觉机器人主要由五个模块组成，即DSP TMS320F2407核心控制模块、传感器控制和信号调理模块、电机控制和驱动模块、无线通信模块、AD和DA转换模块、系统电源等。结构图如下图5，6所示。
图4 嗅觉机器人GaPTRⅡ
图5 移动嗅觉机器人硬件模块
图6 移动嗅觉机器人实物
4 移动嗅觉机器人气味源定位策略设计
4.1 机器人仿生嗅觉技术
机器人仿生嗅觉技术即模仿生物嗅觉追踪气味的能力，嗅觉机器人通过传感器自主发现，跟踪，并确认气味源的能力。Hayes［5］对机器人嗅觉定位进行了定义,即怎么让移动机器人在封闭环境下寻找到气味源，并对其分解为三个任务，如图7所示。
图7 气味源定位
4.2 嗅觉机器人气味源定位策略
浓度梯度搜索策略是国内外研究较多的气味源定位策略之一，移动机器人仅仅依靠气味浓度的变化就可以找到气味源。浓度梯度搜索策略是受到生物趋化性行为而发明的，趋化性是指微生物在受到刺激时一种定向移动的能力，例如细菌的趋光性等，是使其适应环境变化的能力。机器人采用浓度梯度法时通常在机器人前后各安装一个气味传感器，通过比较这两个气味传感器得到的浓度差值确定机器人的前进方向。
Z字形跟踪法搜索策略［6］是国内外研究较多的气味源定位策略之一。它是研究飞行生物追踪信息素而发明的。例如，飞蛾发现气味时后，跟踪方法为其飞行轨迹在烟羽内部，当遇到烟羽边界是改变方向，到达烟羽另一边界在改变方向，轨迹为Z字形，这样就能找到气味源。浓度梯度法［7］和Z字形搜索策略示意图如图8所示。
图8 浓度梯度法和Z字形搜索策略示意图［6］
4.3 基于昆虫激化性行为的气味源定位算法
受到生物趋激性启示，路光达等设计了不依靠某一点气味浓度值，不依靠风向，仅仅依靠气味浓度变化率就可找到气味源的定位算法［10］。昆虫激化性行为的气味源定位策略：把移动嗅觉机器人放到密闭有烟羽的空间中，让其以任意步长任意角度运动，当没有检测到烟羽则继续随机运动，当其检测到烟羽后，这时嗅觉机器人根据最后两步的气味浓度变化率来判断步长及偏转角度，当浓度变化率保持最小值阀值时表示嗅觉机器人寻找到气味源，该处即为气味源。气味源定位流程如图9所示：
图9 气味源定位流程
设定嗅觉机器人每步移动L，机器人每步的转角为P,定义XL、XP为与气味浓度变化率相关的变化因子，根据气味浓度变化率决定下一步的步长及转角。其中LK=XL*LK－1,PK=XP*PK－1。某一点气味浓度值设为D，气味浓度变化率设为Y,其中YK=DK－DK－1/DK－1，DMAX为浓度的最大值，YMIN为浓度变化率的最小值，设a为DK相对DMAX的最小值，当DK－DMAX=a时，此时的位置就是气味源，移动嗅觉机器人搜索模式伪代码如下：
while(浓度变化率小于阀值)
{
if ((YK＞YK-1)&&(K-1处左转))||
(( YK＜YK-1)&&(K-1处右转))
前进L右转P
else
前进L左转P
}
5 仿真实验
如今常用的气体扩散模型有：高斯模型，FEM3模型，Britter and McQuaid 模型，高斯烟羽扩散模型通常适用统计方法来考察烟羽扩散的浓度分布，高斯烟羽扩散模型适用于扩散时间长且是连续源的扩散，由于高斯烟羽扩散模型适合作为主动嗅觉技术［8，9］的模拟环境，所以选择高斯烟羽扩散模型［10］。公式如下：
c(x,y,z)=A2πfρyρzexp (－y22ρ2y+－z22ρ2z) (4)
试中：c——烟羽浓度，A——源强，ρy——烟羽沿水平方向扩散参数，ρz——烟羽沿垂直方向扩散参数，其中ρy，ρz由x确定。f——平均风速。设浓度最大点为气味源。高斯烟羽分布模型如下图10所示。图中设风速为0.2m/s，源强为6.22， (0.0)表示气味源，x轴与风向平行。
图10 高斯烟羽分布模型
6 总 结
机器人主动嗅觉技术是一个新的研究方向，以其为背景研发的危险气源定位机器人将具有广阔的科研空间。本文分析了当前的嗅觉机器人发展现状，并介绍了一种仿生气味源定位算法。
参考文献
［1］ RUSSELL R A. Locating underground chemical sources by tracking chemical gradients in 3 dimensions［C］. Proceedings of the 2004 IEEE/RSJ International Conference on Intelligent Robots and Systems. USA: IEEE, 2004. 325-330.
［2］ ISHIDA H, NAKAMOTO T, MORIIZUMI T. Study of odor compass［C］. IEEE/SICE/RSJ International Conference on Multisensor Fusion and Integration for Intelligent Systems .Washington, DC, USA: IEEE, 1996. 222-226.
［3］ FARRELL J A, PANG S, LI W. Plume mapping via hidden Markov methods［J］. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 2003, 33(6): 850-863
［4］ ISHIDA H, SUETSUGU K,NAKAMOTO T, et al. Study of autonomous mobile sensing system for localization of odor source using gas sensors and anemometric sensors［J］. Sensors and Actuators A, 1994, 45(2): 153-157.
［5］ HAYES A T, MARTIONLI A, GOODMAN R M. Distributed odor source localization ［J］. IEEE Sensors, 2002, 2(3):260-271.
［6］ 李飞.湍动气流主控环境下多机器人气味源定位［D］.天津:天津大学电气与自动化工程学院,2009,6.
［7］ 李飞.小型移动机器人嗅觉定位研究［D］.天津：天津大学电气与自动化工程学院,2006.1.
［8］ 孟庆浩, 李飞, 张明路. 湍流烟羽环境下多机器人主动嗅觉实现方法研究［J］.自动化学报： 2008,34(10): 1281-1290.
［9］ 孟庆浩, 李飞. 主动嗅觉研究现状［J］. 机器人：2006, 28(1)：89-96.
［10］路光达，一种机器人仿生气味源定位策略［J］.河北工业大学学报.2010,39(5):21-27.
