一種無風度風向測量的無線傳感器網絡氣源定位技術的制作方法
【專利摘要】本發明公開了一種無風度風向測量的無線傳感器網絡氣源定位技術，包括以下步驟：通過無線傳感器網絡來檢測氣體濃度；采用基于湍流擴散理論的煙羽模型，得到氣體濃度表達式；通過傳感器檢測到的濃度，通過偏差平方和來得到需要的目標函數，為參加計算的傳感器測量值與真實值的誤差平方和；使用優化的粒子群算對目標函數求解，得到定位結果和環境信息。本發明在不增加檢測手段的情況下，對風速和風向進行在線估計，提高氣源定位的魯棒性和準確性。
【專利說明】
一種無風度風向測量的無線傳感器網絡氣源定位技術
技術領域
[0001] 本發明屬于氣體源無線定位領域，涉及無風度風向測量的無線傳感器網絡氣源定 位技術。
【背景技術】
[0002] 隨著工業化的飛速發展，對有毒有害氣體的使用也日益增加，越來越多的人關注 氣體泄漏問題。在工業生產中，氣體發生泄漏也是存在的，由于氣體泄漏存在不確定性，發 生的位置，當時的環境也是不可預測的，一旦有毒有害氣體泄漏，則極易發生安全隱患。對 工業生產和人員安全造成很大損失。
[0003] 近年來，隨著無線通信技術和半導體技術的發展，使得體積小，功耗低，靈敏度高 的，通信范圍大的微型傳感器可以實現量產。無線傳感器網絡就是由部署在監測區域內大 量的廉價微型傳感器節點組成，通過無線通信方式形成的一個多跳的自組織的網絡系統， 其目的是協作地感知、采集和處理網絡覆蓋區域中被感知對象的信息，并發送給觀察者。傳 感器、感知對象和觀察者構成了無線傳感器網絡的三個要素。
[0004] 過去的氣源定位依靠傳統的環境監控系統，監控設備提前安裝在指定位置，通常 采用高分辨率的傳感器裝置，實時將監測信息傳回融合中心進行分析，這類的傳感器通常 體形較大，安裝成本和維護成本較高，在監控區域較大的情況下，少量的傳感器會導致定位 信息不準確，需要定期更換和維護，花費較多。
[0005] 另一種新興的定位方式是通過小型自治機器人群移動搜索定位，其特點是采用的 模型復雜度低，自治小機器人移動性較高。單個機器人通過濃度傳感器測量周圍的濃度信 息并預測氣體擴散的方向和速度。多個機器人整合信息協同移動搜索，利用群體智能算法 完成泄漏源的定位。這種方式的缺點也是顯而易見的，安裝維護成本較高，在監控區域較大 的情況下無法保證每個機器人有足夠的能量長時間移動。
[0006]無線傳感器網絡定位泄漏源是研究的新興方向，傳感器節點體積小，成本低，能耗 低，節點位置固定，可以長時間工作。無線傳感器節點定位有著一下優點：
[0007] 1)節點成本低，可在監測區域大量布置。
[0008] 2)傳感器節點隨機放置，覆蓋范圍大，對濃度變化響應較快。
[0009] 3)無線傳感器網絡應用范圍廣，對于一些危險區域和一些不適于使用機器人的密 閉障礙空間，無線傳感器可以完成監測任務。
[0010] 4)低功耗嵌入式技術的飛速發展使得傳感器節點功耗低，可以長時間對環境進行 監測。
[0011] 然而氣體擴散過程易受風速，風向和湍流的影響，傳統的定位算法精度并不高還 會受到起始點的影響，在未知外界環境因素和噪聲的情況下，則很難獲得理想的效果。
[0012] 為了克服以上的缺陷，需要一種既能快速準確的定位氣體源，又能避免風速、噪聲 分布等因素影響其定位精度的方法。
【發明內容】
[0013] 為解決氣體泄漏源的定位算法存在的缺陷，本發明的目的在于提供一種無風度風 向測量的無線傳感器網絡氣源定位技術。首先通過已知位置的濃度傳感器采集濃度信息， 結合所用的煙羽擴散模型，求出偏差平方和形式的包含增維狀態矢量的目標函數，考慮風 速和風向的不確定性，系統進行了增維狀態向量估計，系統非線性嚴重，為了實現高精度估 計，得到更優化的解，采用粒子群算法為達到上述目的，本發明提供如下技術方案：
[0014] 步驟一:在檢測區域布置一定數量的濃度傳感器，位置已知，來檢測氣體濃度；
[0015] 步驟二:基于采用的煙羽模型，得到氣體濃度表達式；
[0016] 步驟三:本發明引入了氣體濃度測量閾值，只有超過閾值的節點才會參加定位計 算，舍棄掉低于閾值的節點。通過偏差平方和來得到需要的目標函數，為參加計算的傳感器 測量值與真實值的偏差平方和；
[0017] 步驟四：使用優化的粒子群算對目標函數求解，得到定位結果和環境信息。本發明 的有益技術效果為:本發明采用的基于粒子群算法的無線傳感器預定位設計，考慮風速和 風向的不確定性對氣源定位的影響，在不增加檢測手段的情況下，對風速和風向進行在線 估計，提高氣源定位的魯棒性和準確性。避免了傳統定位算法對初始點敏感的缺陷而導致 局部收斂的情況，并且比傳統定位算法有著更好的抗噪聲性能。
【附圖說明】
[0018] 為了使本發明的目的、技術方案和有益效果更加清楚，本發明提供如下附圖進行 說明：
[0019] 圖1為本發明所述氣體源定位方法的結構圖
[0020] 圖2為通過偏差平方和來得到需要的目標函數流程圖 [0021 ]圖3為基于粒子群算法的定位算法流程圖
[0022]圖4為湍流擴散模型的氣體分布圖 [0023]圖5為傳感器節點布置圖
【具體實施方式】
[0024]下面將結合附圖，對本發明的優選實施例進行詳細的描述。
[0025] 發明采用的一種無風度風向測量的無線傳感器網絡氣源定位技術，考慮風速和風 向的不確定性對氣源定位的影響，在不增加檢測手段的情況下，對風速和風向進行在線估 計，提高氣源定位的魯棒性和準確性。避免了傳統定位算法對初始點敏感的缺陷而導致局 部收斂的情況，并且比傳統定位算法有著更好的抗噪聲性能。
[0026] 圖1為本發明所述氣體源定位方法的結構圖。如圖所示，該定位算法共分為四個步 驟。步驟一:在檢測區域布置一定數量的濃度傳感器，位置已知，來檢測氣體濃度;步驟二： 基于采用的煙羽模型，得到氣體濃度表達式;步驟三:通過傳感器檢測到的濃度，通過偏差 平方和來得到需要的目標函數，為參加計算的傳感器測量值與真實值的偏差平方和;步驟 四：使用優化的粒子群算對目標函數求解，得到定位結果和環境信息。
[0027] 圖2為通過偏差平方和來得到需要的目標函數流程圖。在監測區域內隨機分布一 定數量的傳感器節點用來收集濃度信息，根據采用的煙羽擴散模型來求出節點濃度的真實 值。本發明引入了氣體濃度測量閾值，只有超過閾值的節點才會參加定位計算，舍棄掉低于 閾值的節點。
[0028]本發明采用基于湍流擴散理論的煙羽模型，公式如下：
[0031] A x = (xi-xs)cos9+(yi-ys)sin9 (3)
[0032] K為湍流擴散系數，U為風速，9為風速和x軸的夾角、（xs，ys)為當前氣體源的位置。
[0033] 在步驟三中，得到了傳感器節點的真實值和測量值分別為：
[0036] 將真實值和測量值的偏差平方和作為目標函數：
[0037] fiti = C(xi,yi)-Cf(xi,yi) (6)
[0039] 圖3為粒子群算法的流程圖，仿真模型選用基于湍流擴散理論的煙羽模型，種群規 模為Pnum，粒子維度為5，設為pop = (x，y，U，K，9；Lx，y為泄漏源坐標，U為風速，K為氣體擴散 系數，9為風向與x軸正向的夾角。
[0040] 圖4為湍流擴散模型的氣體分布圖，氣源位置（100,500)處，x軸正方向為下風向。 傳感器隨機分布在該區域內，如圖5所示。
[0041]
計算每個粒子的適應度值，每個粒子根據自己的 飛行記錄選擇個體極值pbeStl，M后選擇適應度值最小的粒子作為全局極值gbest。根據速度 更新公式和位置更新公式，更新粒子的速度和位置。
[0042] VA+1 = vt% 十（.丨ram，丨（凡、,一xA ) + (8)
[0043] xk+i = xk+vk+i (9)
[0044] cdPc2為學習因子，通常取[0,2]之間的隨機數，ranch和rand 2為0和1之間的隨機 數。Xk和Vk是粒子的當前位置和速度矢量，w為慣性權重，范圍通常在0和1之間，用來保持粒 子的運動慣性，使其具有擴展搜索空間的能力。
[0045]圖5為傳感器節點布置二維圖，本發明所用的節點布置方式為隨機布置。
[0046]最后說明的是，以上優選實施例僅用以說明本發明的技術方案而非限制，盡管通 過上述優選實施例已經對本發明進行了詳細的描述，但本領域技術人員應當理解，可以在 形式上和細節上對其作出各種各樣的改變，而不偏離本發明權利要求書所限定的范圍。
【主權項】
1. 一種無風度風向測量的無線傳感器網絡氣源定位技術，首先通過已知位置信息的傳 感器檢測泄漏氣體濃度，通過偏差平方和來估計泄漏源的位置，得到定位所需的目標函數， 考慮到風速和風向的不確定性后，系統進行了增維狀態向量估計，系統非線性嚴重，為了實 現高精度估計，得到更優化的解，采用粒子群算法優化目標函數，得到泄漏源位置(X，y)，當 時的風向與x軸的夾角9,風速信息U和氣體擴散系數K。具體包括以下步驟： 步驟一:在檢測區域布置一定數量的濃度傳感器，位置已知，來檢測氣體濃度； 步驟二:基于采用的煙羽模型，得到氣體濃度表達式； 步驟三：引入了氣體濃度測量閾值，只有超過閾值的節點才會參加定位計算，舍棄掉低 于閾值的節點。通過偏差平方和來得到需要的目標函數，為參加計算的傳感器測量值與真 實值的偏差平方和； 步驟四：使用優化的粒子群算對目標函數求解，得到定位結果和環境信息。2. 根據權利要求1所述的一種無風度風向測量的無線傳感器網絡氣源定位技術，其特 征在于:步驟二中，當氣體擴散達到穩定時，傳感器得到氣體濃度信息， 首先利用誤差平方和得到需要的定位目標函數，具體步驟如下： 1) 傳感器檢測泄漏氣體濃度，確定使用的煙羽擴散模型； 2) 參加定位的傳感器位置為(11，71)，（12,72)，（13,73)-，（111，711)，測量值為(：匕，7山通 過煙羽模型得到的真實值為 Cf (Xl，yi)。 3) 最小二乘法計算誤差平方和行1^ = (：(11，7〇-〇￡(11，7〇; 4) 得到所需的定位目標函數3. 根據權利要求1所述的一種無風度風向測量的無線傳感器網絡氣源定位技術，其特 征在于:步驟三中，引入了氣體濃度測量閾值，只有超過閾值的節點才會參加定位計算，舍 棄掉低于閾值的節點。4. 根據權利要求1所述的一種無風度風向測量的無線傳感器網絡氣源定位技術，其特 征在于:步驟四中所使用的優化粒子群算法來求解定位目標函數，具體步驟如下： 1) 隨機在監測區域放置一定的傳感器節點測量濃度信息； 2) 通過所使用的煙羽擴散模型得到測量節點的真實值Cf(Xl，yi)，由于考慮到外界干擾 的影響，只有濃度值達到一定閾值的節點才參加定位計算； 3) 粒子群算法的適應度函數選擇為傳感器測量值與真實值的誤差平方和； 4) 根據監測區域大小靈活選擇種群規模和迭代次數，得到最終結果。5. 根據權利要求1所述的一種無風度風向測量的無線傳感器網絡氣源定位技術，其特 征在于:步驟四中的粒子群優化算法，考慮風速和風向的不確定性對氣源定位的影響，在 不增加檢測手段的情況下，對風速和風向進行在線估計，提高氣源定位的魯棒性和準確性。 具體步驟如下： 1) 仿真模型選用基于湍流擴散理論的煙羽模型，種群規模為Pnum，粒子維度為5,設為 pop = (x，y，U，K，9；Lx，y為泄漏源坐標，U為風速，K為氣體擴散系數，U為風向。 2) 估計定位位置(xs，ys)，風速U，風向0，氣體擴散系數K的真實值和估計值的誤差體現 在fiti = C(Xi，yi)_Cf(Xi，yi)。 3)根據適應度函數計算粒子的適應度值，每個粒子根據飛行記錄選擇 個體極值Pbesti和全局極值gbest。 4 )動態改變慣性權重，使用線性微分策略：5 )根據位置和速度更新公式，更新粒子的速度和位置矢量： vk+i=wvk+cirandi (pbestk~xk) +C2rand2 (gbestk~xk) Xk+1 - Xk+Vk+1 〇6.-種應用權利要求1至5中任一項所述的一種無風度風向測量的無線傳感器網絡氣 源定位技術。
【文檔編號】G01N33/00GK106052962SQ201610318200
【公開日】2016年10月26日
【申請日】2016年5月13日
【發明人】魏善碧, 石華云, 李晨
【申請人】重慶大學