2

(1.西安工業(yè)大學(xué) 電子信息工程學(xué)院，西安 710021； 2.西北機(jī)電工程研究所，陜西 咸陽 712099)

0 引言

傳統(tǒng)固定位置的傳感器網(wǎng)絡(luò)計(jì)算定位和移動(dòng)機(jī)器人主動(dòng)搜索定位是源定位的兩種主要方式?；趥鹘y(tǒng)固定位置傳感器網(wǎng)絡(luò)計(jì)算定位是通過實(shí)時(shí)采集的源濃度數(shù)據(jù)與源的擴(kuò)散模型相結(jié)合，進(jìn)行參數(shù)迭代求解，從而得到源參數(shù)的后驗(yàn)分布。移動(dòng)機(jī)器人主動(dòng)搜索定位的思路是利用移動(dòng)機(jī)器人安裝相應(yīng)的傳感器形成的具有嗅覺感知的個(gè)體，機(jī)器人利用環(huán)境信息和源的濃度信息，采用啟發(fā)性搜索策略實(shí)現(xiàn)源定位。本文采用的源定位方法屬于移動(dòng)機(jī)器人主動(dòng)搜索定位，系統(tǒng)在開發(fā)中依舊存在魯棒性差和精度低等問題，使得難以應(yīng)用到實(shí)際場景中。近年來，對(duì)于危險(xiǎn)源、氣味源等發(fā)散性源的定位在國內(nèi)外已成為研究的熱點(diǎn)問題，也一直是機(jī)器人學(xué)及智能控制等多種學(xué)科研究的熱點(diǎn)問題。切爾諾貝利與福島核泄露事故對(duì)生命、財(cái)產(chǎn)和環(huán)境造成了巨大的破壞，同時(shí)考慮到事件的毒害性、擴(kuò)散性及不確定性，使得在信息匱乏的條件下展開高效的搜索定位工作迫在眉睫。由于光源是常見的源中相對(duì)穩(wěn)定、安全的一種源，所以研究移動(dòng)機(jī)器人的趨光控制理論對(duì)危險(xiǎn)源的定位工作有著深刻的意義。

趨光性是一種生物對(duì)光靠近或遠(yuǎn)離的特性，利用光源模擬危險(xiǎn)源，實(shí)現(xiàn)移動(dòng)機(jī)器人的趨光性是一套具有實(shí)際意義的源定位理論方法，而且這種特性也作為探索未知環(huán)境的過程得到廣泛重視。移動(dòng)機(jī)器人對(duì)光源的定位可以被認(rèn)為是簡單的源定位，將傳感器技術(shù)與機(jī)器人技術(shù)相結(jié)合，成為目前研究源定位問題的主要方法。按照時(shí)間維度來區(qū)分，可將源劃分為時(shí)變源和時(shí)不變源。時(shí)變源主要是源的特性隨時(shí)間發(fā)生變化的源，比如輻射源、氣味源等，它們的形狀、濃度等會(huì)隨著時(shí)間變化而變化。時(shí)不變源為特性不隨時(shí)間變化的源，比如光源就是一種穩(wěn)定的時(shí)不變源，它的擴(kuò)散模型穩(wěn)定，并且隨著時(shí)間的推移光源強(qiáng)度不會(huì)發(fā)生變化。研究人員對(duì)時(shí)不變的光源進(jìn)行定位開發(fā)出了不同的方法，文獻(xiàn)[1-2]針對(duì)移動(dòng)機(jī)器人的自主趨光行為問題，提出基于神經(jīng)網(wǎng)絡(luò)的趨光控制方法，分別采用Boltzmann機(jī)神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)構(gòu)建模型，克服了局部最小，在提高機(jī)器人學(xué)習(xí)的控制精度的同時(shí)，使機(jī)器人在未知環(huán)境下通過自主的學(xué)習(xí)和訓(xùn)練逐漸形成、發(fā)展和完善趨光行為技能。文獻(xiàn)[3-4]利用一組小型移動(dòng)機(jī)器人實(shí)現(xiàn)對(duì)光源的定位。S.Rounds等人設(shè)計(jì)出一個(gè)經(jīng)濟(jì)且穩(wěn)定的群體智能系統(tǒng)，以實(shí)現(xiàn)移動(dòng)機(jī)器人的趨光性能。該系統(tǒng)將群體智能和重心Voronoi鑲嵌(CVT)法相結(jié)合，對(duì)動(dòng)態(tài)運(yùn)動(dòng)光源進(jìn)行定位和追蹤。在移動(dòng)機(jī)器人根據(jù)CVT方法運(yùn)動(dòng)時(shí)，使用一組固定的傳感器網(wǎng)絡(luò)對(duì)環(huán)境進(jìn)行監(jiān)測，同時(shí)還提出一種光估計(jì)法，用來減少CVT收斂所需的傳感器數(shù)量，使整個(gè)系統(tǒng)架構(gòu)魯棒性更強(qiáng)。AL Christensen等人對(duì)進(jìn)化神經(jīng)網(wǎng)絡(luò)控制器進(jìn)行軟件仿真，將軟件模擬器中進(jìn)化出來的控制器成功地轉(zhuǎn)移到真正的機(jī)器人上，利用一組攜帶該控制器的s-bots移動(dòng)機(jī)器人實(shí)現(xiàn)趨光性能與避障行為。文獻(xiàn)[5]中設(shè)計(jì)了一種利用四旋翼進(jìn)行光源追蹤的實(shí)驗(yàn)裝置，對(duì)基于非模型的實(shí)時(shí)優(yōu)化方法(極值尋優(yōu)控制理論)在四旋翼上得到了實(shí)現(xiàn)，結(jié)果表明非模型的實(shí)時(shí)優(yōu)化方法可以快速地對(duì)信號(hào)映射進(jìn)行響應(yīng)并跟蹤光源。

對(duì)于一些隨時(shí)間變化的源，比如氣味源、化學(xué)源和輻射源等，研究人員也進(jìn)行了大量的研究工作，按照研究方法可將源定位的研究分為兩類：基于概率統(tǒng)計(jì)理論方法以及基于最優(yōu)化理論方法。利用概率方法進(jìn)行源參數(shù)確定主要集中在利用貝葉斯推理進(jìn)行研究，文獻(xiàn)[6]通過對(duì)大量的采樣數(shù)據(jù)進(jìn)行氣象色譜-質(zhì)譜儀(GC/MS)分析，利用統(tǒng)計(jì)歸納方法進(jìn)行源參數(shù)的辨識(shí)。然而統(tǒng)計(jì)歸納方法需要大量的數(shù)據(jù)來進(jìn)行分析，在緊急應(yīng)對(duì)中，由于數(shù)據(jù)的有限性，使得該方法應(yīng)用性不高。文獻(xiàn)[7]將最小相對(duì)熵應(yīng)用到三維空間釋放煙羽的重構(gòu)，該方法考慮模型參數(shù)的先驗(yàn)概率密度函數(shù)，通過先驗(yàn)估計(jì)和測量濃度值來得到參數(shù)的二次估計(jì)，這種方法的優(yōu)勢在于提供了可行的不確定性分析方法。而優(yōu)化方法只需要提供濃度值即可求解，適用于數(shù)據(jù)有限的情形，克服了概率統(tǒng)計(jì)方法數(shù)據(jù)有限的缺點(diǎn)。文獻(xiàn)[8]充分利用了模擬退火法的穩(wěn)健性，通過質(zhì)量流量來描述泄漏源。文獻(xiàn)[9]利用模擬退火算法結(jié)合高斯煙羽模型來估計(jì)沙漠地區(qū)的氣源位置和濃度，以找到新的石油和天然氣儲(chǔ)備。同時(shí)他們對(duì)不同目標(biāo)函數(shù)進(jìn)行分析，檢驗(yàn)?zāi)Ｐ偷男阅埽?duì)觀測濃度數(shù)據(jù)引入噪聲，以測試模型的敏感性[10-13]。

本文利用地面移動(dòng)機(jī)器人對(duì)室內(nèi)光源的定位理論進(jìn)行研究，為危險(xiǎn)源的定位提供理論基礎(chǔ)，并建立了一套光源定位平臺(tái)，包括移動(dòng)機(jī)器人和光源定位系統(tǒng)兩部分。移動(dòng)機(jī)器人配備光敏傳感器組成具有嗅覺的個(gè)體，將梯度自適應(yīng)極值搜索算法應(yīng)用于地面移動(dòng)機(jī)器人定位策略中，最后通過繪制等值線及軌跡追蹤驗(yàn)證了該算法在光源定位平臺(tái)的適用性，從而實(shí)現(xiàn)在室內(nèi)環(huán)境下光源的準(zhǔn)確定位[14-16]。

1 趨光性方法理論

由于在未知環(huán)境中移動(dòng)機(jī)器人相關(guān)性能的限制以及傳感器技術(shù)發(fā)展緩慢，導(dǎo)致源定位的方法較為單一，將先進(jìn)的機(jī)器人軌跡規(guī)劃技術(shù)與傳感器檢測技術(shù)結(jié)合在一起是目前源定位的主要策略，主要步驟如圖1。機(jī)器人技術(shù)和傳感器檢測技術(shù)是源定位中兩個(gè)重要的部分，其中，傳感器作為信息采集系統(tǒng)的基本單元，可以使整個(gè)系統(tǒng)具有檢測和識(shí)別等能力。移動(dòng)機(jī)器人相對(duì)于源定位系統(tǒng)來說，傳感器將被測量信號(hào)的微小變化轉(zhuǎn)化為電信號(hào)，與機(jī)器人的位置信息一同作為機(jī)器人運(yùn)動(dòng)控制的輸入，使得機(jī)器人可以通過環(huán)境數(shù)據(jù)做出決策。另一方面，傳感器的數(shù)據(jù)可作為移動(dòng)機(jī)器人等值線繪制和軌跡追蹤的基礎(chǔ)，通過算法仿真劃分源所在的區(qū)域，繪制出源濃度分布，最終實(shí)現(xiàn)源定位。

圖1 移動(dòng)機(jī)器人源定位框圖

1.1 梯度自適應(yīng)極值搜索算法

光源模型的建立首先需要確定其目標(biāo)函數(shù)，由傳感器網(wǎng)絡(luò)實(shí)時(shí)采集光照強(qiáng)度信息和移動(dòng)機(jī)器人位置信息建立，可以預(yù)測光源的位置，以及光源處光照強(qiáng)度I，因此光源的定位也可以認(rèn)為是系統(tǒng)辨識(shí)問題。機(jī)器人模型可描述為：

(1)

c=P/G(▽)

(2)

式中，(x,y)為機(jī)器人的位置，θ為方向角，ω0為機(jī)器人的角速度。P為常數(shù)項(xiàng)，c為估計(jì)反饋增益參數(shù)，▽為估計(jì)的梯度，梯度通過機(jī)器人的歷史位置與當(dāng)前位置的坐標(biāo)信息進(jìn)行估計(jì)，參數(shù)c隨著估計(jì)的梯度自動(dòng)調(diào)整，本文中取c=4。

(3)

(x,y)為機(jī)器人通過的歷史位置相對(duì)于當(dāng)前的坐標(biāo)，假設(shè)經(jīng)過兩個(gè)點(diǎn)的坐標(biāo)(x1,y1)、(x2,y2)，i為光照強(qiáng)度值，得到向量(x1,y1,i1)和(x2,y2,i2)，則可確定梯度的大?。?/p>

(4)

某時(shí)間段內(nèi)移動(dòng)機(jī)器人獲取的光照強(qiáng)度為Ic(X1，t1),Ic(X2，t2),…,Ic(Xn，tn)，假設(shè)目標(biāo)函數(shù)為：

(5)

式中,Ij(Xi，ti)為機(jī)器人在ti時(shí)刻的理論光照強(qiáng)度，移動(dòng)機(jī)器人的坐標(biāo)為(x,y)，Ic(Xi,ti)為ti時(shí)刻(x,y)位置處的光照強(qiáng)度，Δ為θ組成的解空間，移動(dòng)機(jī)器人在n個(gè)位置進(jìn)行測量。光源的定位問題也可以理解為在解空間Δ中找到一個(gè)合適的向量，來使目標(biāo)函數(shù)的誤差變小，使移動(dòng)機(jī)器人能夠快速收斂至光源附近。本文通過安裝在移動(dòng)機(jī)器人上的光照度傳感器來檢測不同位置的光照強(qiáng)度，計(jì)算其梯度大小，使機(jī)器人按照光照強(qiáng)度上升梯度最大的方向搜索光源，達(dá)到無積累誤差的效果。這種梯度自適應(yīng)極值搜索算法對(duì)先驗(yàn)信息要求低，僅需要位置信息及光照強(qiáng)度，保證了源定位時(shí)的效率，而且在梯度較小時(shí)收斂速度加快，在梯度較大時(shí)也可運(yùn)動(dòng)到光源處。

1.2 MeanShift目標(biāo)跟蹤算法

參數(shù)密度估計(jì)中需要一個(gè)已知的概率密度函數(shù)，但在實(shí)際問題中并不能確定該特征空間服從哪個(gè)概率密度函數(shù)，所以采用無參數(shù)密度估計(jì)可以更好地解決問題。MeanShift算法屬于無參數(shù)密度估計(jì)中的一種，基本原理是利用概率密度梯度爬升尋找樣本點(diǎn)密度最大的區(qū)域。首先標(biāo)定目標(biāo)區(qū)域并計(jì)算該區(qū)域的特征值概率，然后利用相似函數(shù)度量第一幀圖片的特征描述，比較當(dāng)前幀的與第一幀特征描述的相似性，最后選取使得相似函數(shù)最大的終點(diǎn)區(qū)域并得到MeanShift向量，經(jīng)過不斷迭代計(jì)算MeanShift向量，算法將收斂到終點(diǎn)區(qū)域，實(shí)現(xiàn)了目標(biāo)跟蹤。

(6)

然后對(duì)候選模型進(jìn)行描述，在第t幀時(shí)刻根據(jù)上一幀中心坐標(biāo)得到候選目標(biāo)的中心坐標(biāo)O，則其概率密度分布為：

(7)

h為核函數(shù)窗口大小，此時(shí)，定義相似性函數(shù)ρ(m,n)來度量式(6)和式(7)間的相似度，本文選用巴氏(Bhattacharyya)系數(shù)作為目標(biāo)模型和候選模型的相似性度量，并泰勒展開后得到巴氏系數(shù)表達(dá)式：

(8)

(9)

其中，特征權(quán)重為：

(10)

最后通過中心坐標(biāo)O的迭代直至移動(dòng)最后兩次的距離小于閾值,即完成向終點(diǎn)區(qū)域的移動(dòng)：

(11)

2 光源定位平臺(tái)設(shè)計(jì)

2.1 硬件系統(tǒng)設(shè)計(jì)

本文設(shè)計(jì)了一套自主實(shí)驗(yàn)平臺(tái)，用于研究在未知環(huán)境下移動(dòng)機(jī)器人光源定位的問題，如圖2所示。整個(gè)實(shí)驗(yàn)對(duì)光照要求比較高，要求在僅有實(shí)驗(yàn)光源的環(huán)境下進(jìn)行。在實(shí)驗(yàn)室中放置一塊邊長為1.2 m的正方形黑色平臺(tái)，一方面為了減少實(shí)驗(yàn)過程中人為活動(dòng)對(duì)結(jié)果造成的誤差，比如眼睛反光等問題。另一方面，理想情況下光源的呈圓環(huán)狀分布，平臺(tái)搭建為正方形可使得光源分布大致為四分之一圓環(huán)狀，便于數(shù)據(jù)的采集及等值線的繪制。偽GPS相機(jī)用來監(jiān)視移動(dòng)機(jī)器人的運(yùn)動(dòng)狀態(tài)和位置，并將整個(gè)實(shí)驗(yàn)過程以視頻的形式存儲(chǔ)在基站中，作為跟蹤移動(dòng)機(jī)器人軌跡的基礎(chǔ)。實(shí)驗(yàn)中光源采用12 V LED可調(diào)節(jié)光源，放置在黑色平臺(tái)右上角空白區(qū)域，在LED光源外邊增加一個(gè)燈罩，使得光源分布得更加均勻。

圖2 光源定位平臺(tái)

實(shí)驗(yàn)中所設(shè)計(jì)的具備光源感知能力的移動(dòng)機(jī)器人，主要負(fù)責(zé)采集光源強(qiáng)度信息，自主決策后向光源運(yùn)動(dòng)，最終實(shí)現(xiàn)對(duì)光源的定位。如圖3所示，移動(dòng)機(jī)器人是由微處理器模塊、供電模塊、光強(qiáng)采集模塊、無線通信模塊和電機(jī)驅(qū)動(dòng)模塊組成的差速驅(qū)動(dòng)式運(yùn)動(dòng)小車。本研究采用STM32F103RCT6作為移動(dòng)機(jī)器人的微處理器，供電模塊為12 V電池組，一方面經(jīng)過電壓轉(zhuǎn)換后為電機(jī)驅(qū)動(dòng)模塊供電，另一方面經(jīng)過降壓后為5 V的微處理器模塊供電。光強(qiáng)采集模塊由4個(gè)光照度傳感器構(gòu)成，分布在移動(dòng)機(jī)器人上方4個(gè)頂點(diǎn)處，負(fù)責(zé)光源數(shù)據(jù)的采集。無線通信模塊選用ESP8266 WIFI模塊，將光源數(shù)據(jù)傳送至基站，作為繪制光源等值線的數(shù)據(jù)。電機(jī)驅(qū)動(dòng)模塊由步進(jìn)電機(jī)驅(qū)動(dòng)，通過比例控制PWM脈沖頻率，實(shí)現(xiàn)對(duì)移動(dòng)機(jī)器人的運(yùn)動(dòng)速度的控制，通過兩輪差速控制移動(dòng)機(jī)器人的運(yùn)動(dòng)方向。

圖3 實(shí)驗(yàn)硬件系統(tǒng)結(jié)構(gòu)圖及移動(dòng)機(jī)器人

2.2 軟件系統(tǒng)設(shè)計(jì)

軟件系統(tǒng)設(shè)計(jì)主要體現(xiàn)在光強(qiáng)信息采集模塊，該模塊由4個(gè)光照度傳感器構(gòu)成，以車頭方向?yàn)檎较?，左前方傳感器的編?hào)為a，沿順時(shí)針方向傳感器的編號(hào)分別為b，c，d，采用對(duì)角線控制策略，將移動(dòng)機(jī)器人檢測到環(huán)境中的光照信息進(jìn)行運(yùn)算并做出決策。本文提出的對(duì)角線控制策略如圖4所示，該控制策略主要實(shí)現(xiàn)光強(qiáng)信息的采集，分析計(jì)算光照強(qiáng)度的變化，并引導(dǎo)移動(dòng)機(jī)器人做出動(dòng)作決策。計(jì)算光強(qiáng)采集模塊中兩條對(duì)角線光照強(qiáng)度的差值來判斷光源大致的位置，從而調(diào)整移動(dòng)機(jī)器人的位置及朝向，經(jīng)過多次迭代計(jì)算得到光源所在的位置，并使移動(dòng)機(jī)器人移動(dòng)到光源附近。

圖4 對(duì)角線控制策略程序流程圖

3 趨光實(shí)驗(yàn)及仿真

3.1 移動(dòng)機(jī)器人的趨光實(shí)驗(yàn)

在配備有偽GPS相機(jī)的實(shí)驗(yàn)室環(huán)境下，利用梯度自適應(yīng)極值搜索算法進(jìn)行移動(dòng)機(jī)器人的趨光性實(shí)驗(yàn)。在黑色區(qū)域內(nèi)建立7×7的正方形網(wǎng)格地圖，光源固定在平臺(tái)一角的空白區(qū)域，為更好地驗(yàn)證梯度自適應(yīng)極值搜索算法在光源定位平臺(tái)的有效性，將移動(dòng)機(jī)器人放置在與光源相對(duì)的區(qū)域，隨機(jī)給定機(jī)器人一個(gè)位置坐標(biāo)，并設(shè)置機(jī)器人的初始方向，記錄該起始位置的坐標(biāo)信息和光強(qiáng)度信息。同時(shí)為了避免外界光源及人為因素的干擾，實(shí)驗(yàn)需要在僅有LED光源的情況下進(jìn)行。圖5中分別為兩種搜索方法的趨光性進(jìn)展，相同地，在初始狀態(tài)下，移動(dòng)機(jī)器人未接通電源，處于靜止?fàn)顟B(tài)。在運(yùn)動(dòng)中期，通過對(duì)光照強(qiáng)度的實(shí)時(shí)檢測并做出決策，移動(dòng)機(jī)器人開始向著梯度較大的方向移動(dòng)，但是并未朝著光源作直線運(yùn)動(dòng)。在運(yùn)動(dòng)末期，由于在光源附近光照強(qiáng)度的波動(dòng)較小，基本維持在一定的范圍內(nèi)，所以移動(dòng)機(jī)器人按著近似于直線運(yùn)動(dòng)向光源移動(dòng)。此時(shí)梯度減小，收斂速度相比于運(yùn)動(dòng)中期時(shí)的收斂速度慢，但是基本可以確定光源所在位置，使得移動(dòng)機(jī)器人移動(dòng)至光源附近。

圖5 移動(dòng)機(jī)器人趨光性實(shí)驗(yàn)

3.2 運(yùn)動(dòng)軌跡及等值線的仿真

3.2.1 目標(biāo)跟蹤

本文在Matlab中利用MeanShift算法來跟蹤移動(dòng)機(jī)器人的軌跡，圖中左上角為LED光源位置，移動(dòng)機(jī)器人從右下角開始搜索。首先獲取視頻幀圖像，通過人工標(biāo)定的方法選取移動(dòng)機(jī)器人作為目標(biāo)區(qū)域，確定中心點(diǎn)的坐標(biāo)(x0,y0)。若不是視頻初始幀，則以上一幀圖像中心位置為當(dāng)前幀目標(biāo)的迭代位置來構(gòu)建候選模型。然后計(jì)算Bhattacharyya系數(shù)ρ(m,n)來衡量兩個(gè)模型的相似程度，若當(dāng)前幀與上一幀中心坐標(biāo)的距離小于閾值，則迭代結(jié)束，最后輸出當(dāng)前幀的坐標(biāo)。

3.2.2 等值線繪制

以往的等值線繪制算法主要有3種，一種是基于傳感器網(wǎng)絡(luò)監(jiān)測的方法，該算法事先預(yù)設(shè)好若干傳感器，將監(jiān)測到的數(shù)據(jù)發(fā)送回基站經(jīng)算法處理后繪制出等值線。另一種是基于移動(dòng)機(jī)器人搜索的算法，利用搭載特定傳感器的移動(dòng)機(jī)器人進(jìn)行數(shù)據(jù)的采集，對(duì)數(shù)據(jù)分析后做出決策，使機(jī)器人按照某一軌跡運(yùn)動(dòng)。第3種是數(shù)據(jù)信息采集后，通過繪圖軟件直接進(jìn)行等值線的繪制。本研究受第2種方法啟發(fā)，采用一種簡單高效的等值線繪制算法。在趨光實(shí)驗(yàn)平臺(tái)中建立一組實(shí)用的網(wǎng)格地圖，以光源位置相對(duì)一角為原點(diǎn)建立坐標(biāo)系，控制移動(dòng)機(jī)器人做直線運(yùn)動(dòng)。采集多組數(shù)據(jù)并進(jìn)行數(shù)據(jù)篩選，舍去有數(shù)據(jù)缺失或是波動(dòng)幅度過大的數(shù)據(jù)，并記錄光照強(qiáng)度相同的機(jī)器人的位置信息，然后通過光照強(qiáng)度反算得到近似的函數(shù)，最后繪制出的等值線如圖6所示。

圖6 等值線繪制及機(jī)器人運(yùn)動(dòng)軌跡

實(shí)驗(yàn)中分別在黑色實(shí)驗(yàn)平臺(tái)內(nèi)部建立4×4、7×7的正方形網(wǎng)格，保持機(jī)器人方向不變，使得機(jī)器人沿著網(wǎng)格線運(yùn)動(dòng)，按照直線運(yùn)動(dòng)采集光照信息。通過測量數(shù)據(jù)對(duì)比發(fā)現(xiàn)利用7×7網(wǎng)格繪制的等值線更接近于理想的等值線。如圖6(a),移動(dòng)機(jī)器人根據(jù)本文設(shè)定的對(duì)角線控制策略進(jìn)行搜索，通過對(duì)采集到的光照強(qiáng)度進(jìn)行對(duì)角做差，使機(jī)器人在運(yùn)動(dòng)的過程中不斷調(diào)整其運(yùn)動(dòng)方向，最終收斂至光源附近?；谔荻茸赃m應(yīng)極值搜索算法的移動(dòng)機(jī)器人運(yùn)動(dòng)軌跡如圖6(b)，本研究中自適應(yīng)參數(shù)c=4，可以看出移動(dòng)機(jī)器人在光照強(qiáng)度相對(duì)較小時(shí)可迅速做出判斷，能夠更快速地定位光源，并收斂在光源附近。

3.2.3 結(jié)果分析

選取其中10組數(shù)據(jù)進(jìn)行比較，分別從趨光過程用時(shí)、移動(dòng)機(jī)器人與光源的距離兩個(gè)方面來比較。如圖7(a)所示，應(yīng)用對(duì)角線控制策略定位用時(shí)約為25 s，基于梯度自適應(yīng)極值搜索算法定位約為16 s。圖7(b)為移動(dòng)機(jī)器人趨光停止時(shí)與光源之間的距離，圖7(c)為移動(dòng)機(jī)器人在整個(gè)搜索定位過程中到光源的距離隨時(shí)間的變化曲線。在應(yīng)用對(duì)角線控制策略時(shí)，移動(dòng)機(jī)器人到達(dá)光源的整個(gè)過程用時(shí)較長，并且在距離光源約16 cm處停止。雖然完成了光源的定位，但是并沒能準(zhǔn)確地到達(dá)光源，存在一定的誤差。而基于梯度自適應(yīng)極值搜索算法在定位光源的過程中，移動(dòng)機(jī)器人的運(yùn)行軌跡更加平穩(wěn)，而且可搜索至距離光源約5 cm處。

圖7 移動(dòng)機(jī)器人趨光結(jié)果比較

分析得出，在進(jìn)行移動(dòng)機(jī)器人趨光性實(shí)驗(yàn)時(shí)，對(duì)角線控制策略的魯棒性較差，定位效率及精度較低。而利用梯度自適應(yīng)極值搜索算法不僅提高了源定位效率，同時(shí)在一定程度上提高了定位精度，使得移動(dòng)機(jī)器人的定位性能更好，在實(shí)際應(yīng)用中可以更好地完成源定位工作。

4 結(jié)論

本文模擬危險(xiǎn)源定位工作，介紹了移動(dòng)機(jī)器人光源定位研究的硬件平臺(tái)搭建，并設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證了該平臺(tái)的適用性，將梯度自適應(yīng)極值搜索算法與移動(dòng)機(jī)器人的趨光性相結(jié)合，通過MeanShift目標(biāo)跟蹤算法和等值線繪制對(duì)光照強(qiáng)度分布及移動(dòng)機(jī)器人的運(yùn)動(dòng)軌跡進(jìn)行分析，結(jié)果表明光源梯度自適應(yīng)極值搜索算法提高了移動(dòng)機(jī)器人的光源定位的效率，并且可提高定位精度，驗(yàn)證了梯度自適應(yīng)極值搜索算法在本實(shí)驗(yàn)平臺(tái)的有效性。實(shí)驗(yàn)過程中由于移動(dòng)機(jī)器人采集的位置信息和光照信息存在數(shù)據(jù)缺失，導(dǎo)致繪制等值線時(shí)出現(xiàn)波動(dòng)幅度較大，如何提高梯度自適應(yīng)極值搜索算法的穩(wěn)定性并進(jìn)行動(dòng)態(tài)等值線繪制是下一步研究內(nèi)容。