改进D-S算法的多感知机器人泄漏源识别研究

doi:10.3778/j.issn.1002-8331.2208-0115

摘要/Abstract

摘要： 危化品泄漏场域环境复杂多变，泄漏源的识别受风速、光照强度、噪声等多重因素影响，当前多以智能机器人探测，利用嗅觉或视觉进行目标识别，但单类传感器识别结果可靠性差，提出一种改进Dempster-Shafer（D-S）证据理论的识别方法，模拟人类多感官识别机制，综合处理嗅觉、视觉和听觉识别信度；通过引入参考证据获取证据源全局信息，解决了经典D-S算法中存在的证据冲突问题，并在MATLAB中进行了算例验证。结果表明，相比嗅觉、视觉和听觉单类传感器识别信度分别提高了42.5%、51.2%和38.4%；对于冲突数据，克服了经典D-S算法、Yager算法融合失效的缺陷，相比Murphy算法识别信度提高了33%，可实现泄漏源的高信度识别，融合决策可靠性好。

关键词: 泄漏源识别, 仿人多感知, 信息融合, D-S证据理论, 证据冲突

Abstract: The environment of hazardous chemicals leakage field is complex and changeable. The identification of leakage source is affected by multiple factors such as wind speed, light intensity and noise. At present, intelligent robots are mostly used for detection and target identification by smell or vision. However, the reliability of single type sensor identification results is poor. This paper proposes a recognition method based on improved Dempster-Shafer（D-S） evidence theory to simulate the human multi-sensory recognition mechanism and comprehensively deal with the olfactory, visual and auditory recognition reliability. By introducing reference evidence to obtain the global information of the evidence source, the evidence conflict problem in the classical D-S algorithm is solved, and an example is verified in MATLAB. The results show that the recognition reliability of olfactory, visual and auditory sensors is improved by 42.5%, 51.2% and 38.4% respectively; for conflict data, it overcomes the defect of fusion failure of classical D-S algorithm and Yager algorithm. Compared with Murphy algorithm, the recognition reliability is increased by 33%, which can realize high reliability identification of leakage source, and the reliability of fusion decision is good.

Key words: leak source identification, humanoid multi-perception, information fusion, D-S evidence theory, evidence conflict

刘冬乐, 高春艳, 李满宏, 张明路, 陶渊. 改进D-S算法的多感知机器人泄漏源识别研究[J]. 计算机工程与应用, 2023, 59(21): 334-340.

LIU Dongle, GAO Chunyan, LI Manhong, ZHANG Minglu, TAO Yuan. Research on Leakage Source Identification of Multi-Perception Robot Based on Improved D-S Algorithm[J]. Computer Engineering and Applications, 2023, 59(21): 334-340.

参考文献

[1] HAYES A T，MARTINOLI A，GOODMAN R M.Distributed odor source localization[J].IEEE Sensors Journal，2002，2（3）：260-271.
[2] 杨磊.基于仿生嗅觉的味源定位系统研究[D].杭州：浙江理工大学，2014.
YANG L.Study on odor source localization system based on bionic olfactory[D].Hangzhou：Zhejiang Sci-Tech University，2014.
[3] 刘江莹.基于气敏机器人的目标气味识别与源定位研究[D].武汉：武汉科技大学，2021.
LIU J Y.Research on target odor discrimination and source location based on odor-sensitive mobile robot[D].Wuhan：Wuhan University of Science and Technology，2021.
[4] 姜燕.基于嗅觉信息的机器人味源定位研究[J].计算机测量与控制，2013，21（9）：2570-2572.
JIANG Y.Studying on robot gas source localization based on olfactory information[J].Computer Measurement & Control，2013，21（9）：2570-2572.
[5] 黄建新，袁杰.三维空间机器人主动嗅觉烟羽源自主定位策略[J].计算机工程与应用，2020，56（12）：223-230.
HUANG J X，YUAN J.Autonomous location strategy of plume source in three-dimensional space using robot with active olfactory[J].Computer Engineering and Applications，2020，56（12）：223-230.
[6] 曾明，孟庆浩，王湘晖，等.视觉注意机制在图像增强中的应用研究[J].光子学报，2009，38（5）：1283-1287.
ZENG M，MENG Q H，WANG X H，et al.lmage enhancement based on visual attention mechanisms[J].Acta Photonica Sinica，2009，38（5）：1283-1287.
[7] 蒋萍，孟庆浩，曾明，等.一种新的移动机器人气体泄漏源视觉搜寻方法[J].机器人，2009，31（5）：397-403.
JIANG P，MENG Q H，ZENG M，et al.A novel visual search method for gas leakage source based on mobile robot[J].Robot，2009，31（5）：397-403.
[8] ISHIDA H，USHIKU T，TOYAMA S，et al.Mobile robot path planning using vision and olfaction to search for a gas source[J].IEEE Sensors Journal，2005，37（4）：1112-1115.
[9] JIANG P，ZENG M，MENG Q H，et al.A novel object recognition method for mobile robot localizing a single odor/gas source in complex environments[C]//IEEE Conference on Robotics，Automation & Mechatronics，2008.
[10] 蒋萍.融合机器人视/嗅觉信息的气体泄漏源定位[D].天津：天津大学，2010.
JIANG P.Gas source localization by fusing a mobile Robot’s vision/olfaction information[D].Tianjin：Tianjin University，2010.
[11] 朱菲菲.嗅视觉信息融合及移动机器人在气体泄漏源搜寻中的应用[D].天津：天津理工大学，2017.
ZHU F F.Gas leak source search based on olfactory and visual information fusion and mobile robot[D].Tianjin：Tianjin University of Technology，2017.
[12] 王燕艳.从生物多感官的融合到多传感器的数据融合[J].生物学教学，2000（2）：3-5.
WANG Y Y.From biological multisensory fusion to multisensory data fusion[J].Biology Teaching，2000（2）：3-5.
[13] 孙喜梅.仿人类视觉的不确定条件下车牌识别研究[D].长沙：中南大学，2009.
SUN X M.The vehicle license plate recognition research of imitating human vision under conditions of uncertainty[D].Changsha：Central South University，2009.
[14] 聂旻.视觉与听觉跨模态转换的认知和应用研究[D].上海：上海交通大学，2010.
NIE M.Cognitive process of audio visual modality shift effect and modality transform based visual guidance system[D].Shanghai：Shanghai Jiao Tong University，2010.
[15] 刘丽娟，刘国栋.基于多传感器视听融合的三维目标跟踪[J].传感器与微系统，2013，32（6）：47-49.
LIU L J，LIU G D.3D target tracking based on multi-sensor audio-visual fusion[J].Transducer and Microsystem Technologies，2013，32（6）：47-49.
[16] 柯显信，张文朕，杨阳，等.仿人机器人多传感器定位系统[J].浙江大学学报（工学版），2018，52（7）：1247-1252.
KE X X，ZHANG W Z，YANG Y，et al.Multi-sensor positioning system for humanoid robot[J].Journal of Zhejiang University（Engineering Science），2018，52（7）：1247-1252.
[17] 郭彤颖，张辉.机器人传感器及其信息融合技术[M].北京：化学工业出版社，2016.
GUO T Y，ZHANG H.Robot sensor and multi-senser information fusion technology[M].Beijing：Chemical Industry Press，2016.
[18] LEFEVRE E，COLOT O，VANNOORENBERGHE P.Belief function combination and conflict management[J].Information Fusion，2002，3（2）：149-162.
[19] 孙全，叶秀清，顾伟康.一种新的基于证据理论的合成公式[J].电子学报，2000（8）：117-119.
SUN Q，YE X Q，GU W K.A new combination rules of evidence theory[J].Acta Electronica Sinica，2000（8）：117-119.
[20] 孙贵东，关欣，衣晓，等.互补证据组合规则[J].电子学报，2018，46（11）：2738-2745.
SUN G D，GUAN X，YI X，et al.Complementary combination rule for evidence[J].Acta Electronica Sinica，2018，46（11）：2738-2745.
[21] BEYNON M J.The role of the DS/AHP in identifying inter-group alliances and majority rule within group decision making[J].Group Decision & Negotiation，2006，15（1）：21-42.
[22] 罗兰，肖建于.一种有效折扣证据源的冲突证据合成方法[J].计算机工程与应用，2019，55（4）：154-158.
LUO L，XIAO J Y.Conflict evidence synthesis method of effective discount evidence sources[J].Computer Engineering and Applications，2019，55（4）：154-158.
[23] 姜礼平，刘杨，胡伟文，等.基于支持度的改进证据合成方法[J].系统工程与电子技术，2014，36（8）：1483-1487.
JIANG L P，LIU Y，HU W W，et al.Research on improved evidence combination method based on support degree[J].Journal of Systems Engineering and Electronics，2014，36（8）：1483-1487.
[24] 吴强，姜礼平，季傲.基于模糊集和D-S证据理论的空中作战目标识别[J].指挥控制与仿真，2015，37（4）：54-58.
WU Q，JIANG P L，JI A.Aircraft target ldentification based on fuzzy sets and D-S evidence theory in air operation[J].Command Control & Simulation，2015，37（4）：54-58.
[25] 杨华，杨君刚，刘存涛，等.D-S证据理论在小型空地无人集群战场目标识别中的运用[J].指挥控制与仿真，2021，43（5）：70-76.
YANG H，YANG J G，LIU C T，et al.Application of D-S evidence theory to battlefield target recognition in small air-ground unmanned swarm[J].Command Control & Simulation，2021，43（5）：70-76.
[26] WANG Y，ZHANG K，DENG Y.Base belief function： an efficient method of conflict management[J].Journal of Ambient Intelligence and Humanized Computing，2019，10（9）：3427-3437.
[27] YAN Z，ZHAO H，MEI X.An improved conflicting-evidence combination method based on the redistribution of the basic probability assignment[J].Applied Intelligence，2022，52（4）：4674-4700.