导航菜单

在复杂的情况下 使用气流的物理特性更快地定位气体泄漏

杜克大学的工程师正在开发一种智能机器人系统,用于嗅出污染热点和有毒泄漏源。他们的方法使机器人能够结合飞行中的计算来解释受限空间的复杂气流,而不是简单地“跟随它的鼻子”。

“利用机器人定位空气传播颗粒源的许多现有方法依赖于生物启发的,但过于简单化的猜测或启发式技术,可以驱使机器人逆风或跟随浓度增加,”Michael Milus Yoh和Michael M. Zavlanos说道。 Harold L. Yoh,Jr。杜克大学机械工程与材料科学副教授。“这些方法通常只能在开放空间中定位单一来源,而且无法估计其他同等重要的参数,例如释放率。”

但是在复杂的环境中,这些简单的方法可以将机器人放在野鹅追逐的地方,通过气流的物理特性人为地增加浓度,而不是因为它们是泄漏的来源。

“如果有人在外面吸烟,只需跟着你的鼻子就可以找到它们,因为没有什么可以阻止气流的预测,”杜克的机械工程和材料科学的Anderson-Rupp教授Wilkins Aquino说。 。“但是把相同的香烟放在办公室里,突然间变得更加困难,因为走廊,角落和办公室产生了不规则的气流。”

在最近发表在IEEE机器人交易杂志上的一篇论文中,Zavlanos,Aquino和新毕业的博士研究生Reza Khodayi-mehr反而利用这些气流背后的物理学来更有效地追踪排放源。

他们的方法将源识别问题的基于物理的模型与反馈回路中的机器人路径规划算法相结合。机器人测量环境中的污染物浓度,然后使用这些测量值逐步计算化学品实际来自何处。

“创建这些基于物理的模型需要偏微分方程的解决方案,这对计算要求很高,并且使得它们在小型移动机器人上的应用非常具有挑战性,”Khodayi-mehr说。“我们必须创建简化的模型,以使计算更有效率,这也使它们不那么准确。这是一个具有挑战性的权衡。”

Khodayi-mehr建造了一个长方形的盒子,墙壁几乎将空间分成两半,以创建一个模仿简化办公空间的微型U形走廊。风扇将空气泵入U的一端的走廊并从另一端返回,而气态乙醇慢慢泄漏到其中一个角落。尽管设置简单,但内部产生的气流仍然是湍流和凌乱,为任何乙醇嗅探机器人解决问题造成了难以解决的源识别问题。

但无论如何,机器人解决了这个问题。

机器人进行浓度测量,将其与先前的测量融合,并解决具有挑战性的优化问题以估计源的位置。然后,它确定了进行下一次测量的最有用位置,并重复该过程,直到找到源。

“通过将基于物理的模型与最佳路径规划相结合,我们可以通过非常少的测量来确定源的位置,”Zavlanos说。“这是因为基于物理的模型提供了纯粹数据驱动方法中未考虑的测量之间的相关性,并且最佳路径规划允许机器人选择具有最多信息内容的少数测量。”

“基于物理的模型并不完美,但它们仍然提供的信息不仅仅是传感器,”阿基诺补充道。“它们不一定非精确,但它们允许机器人根据气流物理学中的可能性进行推断。这样可以提高效率。”

这个复杂的问题解决系列不一定更快,但它更强大。它可以处理具有多个源的情况,这对于启发式方法目前是不可能的,甚至可以测量污染率。

该小组仍在努力创建机器学习算法,以使他们的模型同时更加高效和准确。他们还在努力将这一想法扩展到对一队机器人进行编程,以便对大面积进行有条不紊的搜索。虽然他们尚未在实践中尝试过群体方法,但他们已经发布了展示其潜力的模拟。

“从具有受控设置的实验室环境转变为更实际的情况显然也需要解决其他挑战,”Khodayi-mehr说。“例如,在现实世界中,我们可能不会知道域的几何形状。这些是我们目前正在研究的一些正在进行的研究方向。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。