JS 杂志上的传感器 1687 - 7268 1687 - 725 x Hindawi出版公司 10.1155 / 2016/7184980 7184980 研究文章 测量气体浓度和风力强度与移动机器人在一个动荡的风洞 马丁内斯 达尼 1 莫雷诺 哈维尔 1 Tresanchez 马塞尔 1 Clotet 爱德华· 1 Jimenez-Soto 胡安•曼努埃尔• 2 Magrans 鲁迪 1 帕尔多 安东尼奥 3 马可 圣地亚哥 2、3 3 http://orcid.org/0000 - 0001 - 8210 - 3262 Palacin 乔迪 1 张 Kewei 1 计算机科学和工业工程系 Lleida大学 Jaume二世69 25001年Lleida 西班牙 udl.cat 2 传感系统的信号和信息处理 生物工程研究所的加泰罗尼亚 Baldiri Reixac 10 - 12 08028年巴塞罗那 西班牙 3 电子系 巴塞罗那大学 马蒂Franques 1 08028年巴塞罗那 西班牙 ub.edu 2016年 24 1 2016年 2016年 12 11 2015年 24 12 2015年 03 01 2016年 2016年 版权©2016丹尼•马丁内斯et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

介绍了测量气体浓度和风力强度进行移动机器人的设计一个自定义的风洞实验和可定制的风能和天然气泄漏源。介绍了表征测量获得的信息在不同的层在不同控制环境条件下湍流风洞为了描述气体的羽毛和风力强度在实验室内。信息层所产生的测量收集个人机载天然气和风力传感器由一个自治移动机器人。一方面,假设是这些专业传感器的尺寸和成本不允许建立一个网络的传感器或其他测量方案的基础上,同时使用多个传感器,另一方面,假设是信息层创建了将应用程序的开发和测试自动气体源位置程序基于活性或不反应的算法。

 1。介绍

机器人已经成为一个很好的选择开发测量平台应用程序需要灵活性和实现一个特定行为的可能性或路径规划过程。许多机器人算法、过程和力学已广泛应用于机器人是大自然灵感和基于代理利用数千年的进化( 1]。这些bioinspired影响往往出现在机器人塑造,物理,和机器人智能可以设计基于动物策略和其他行为来把他们的启发式和感官。然而,大多数机器人的设计和优化,以实现或应用程序与一个特定的行为,所以他们使用配置有数量限制的实现功能和传感器( 2]。这样的例子bioinspired传感器是可以模仿的化学传感器的嗅觉在许多自动应用程序的开发 3气味等)分类( 4]。近年来不同的传感器机制已经使用机器人来模仿人类的气味感知能力( 5]。例如,在[ 6)移动机器人与风、气体和温度传感器被用来定义一个环境智能应用程序为了增加舒适性。移动气体传感器可应用于检测非法化学物质和挥发性物质的位置从炸药 7)和监督气体浓度在工业或实验室,以确保人类安全工作场所型( 8]。

然而,环境的可变性代理如风力条件下,气体释放剂,注气速度,和化学传感器使用容易自动气体泄漏源检测的发展。这种可变性分析建模的动态发展的环境通过气体分布地图( 9)已被增强的基于气体浓度测量的精确定位的同时定位和地图系统(大满贯)方法( 10]。例如,在[ 11)的总体性能Fast-SLAM自主机器人self-location和导航算法已得到改进的分布式结构和在 12)大满贯的方法已经应用基于提供的信息由一个单眼相机。

提出了地图的信息模型气体扩散行为分隔的区域内,可以直接应用在自动气体source-finding应用程序的开发移动机器人。例如,[ 13]提出了气体浓度的创建网格地图的移动机器人通过卷积机器人位置和传感器读径向对称的二维高斯扩散函数尽管该提案不能应用于本文,因为强大的单向气流用于风洞。同样的过程也适用于( 14)为了识别多个气味源,使用气体传感器不能够直接收集气体浓度水平。同样,在 15]不同分布地图的位置被用来区分不同的气体源和 16]multirobot系统提出了为了获得气体分布地图和发展与不同的气体source-finding算法实验。在类似的方向, 17)提出了一种方法来生成大量气体分布地图,但在这种情况下,通过使用一个飞行的无人驾驶飞机还包括机载传感器来测量气体浓度和风力强度和方向。最后,( 18]提供了一个数据集的不同化合物在不同环境条件下获得通过定义一组实验进行一个动荡的风洞。在这种情况下,测量气体的浓度进行了一组传感器放置在实验室内。

本文的新贡献是气体浓度的测量和表征和风力强度在不同操作条件下湍流风洞使用移动机器人。本文详细的评估不同的实验装置与移动机器人配备了气体和风力传感器和创建不同的地图或层通过引用信息,定位、分组和处理数据收集的移动传感器。本文描述的所有实验进行了在一个定制的动荡的风洞具有不同气体释放机制和本地化。图形结果,解释为信息层,描述风力强度和气体浓度参数的不同倾向提出和讨论。

 2。材料和方法

本文使用的材料中使用的组件的实现紊流风洞和移动机器人用于执行移动气体和风力强度测量。此外,使用的方法是应用程序获取不同的信息层描述风强度和湍流风洞内气体浓度参数。

2.1。动荡的风洞

本文中所开发的实验测试一直在进行一个定制的盒子形状风洞。这个建筑是由铝概要文件和Styrodur®绝缘板以下内部尺寸:3.5米(宽)×4.8米(大)×1.8米(高度)。风洞有4个换气扇安装:一个放置在前墙的中心,推动空气室里,和其他三个放置在相同的高度后壁,提取空气外。这个配置已经被选择为了促进气体的湍流扩散而产生一个中央风羽概要文件。换气扇的模型由太阳系hxm - 400 &帕劳和电力应用于球迷可以调整,以模拟不同的环境情况。这个自定义构建结构放置在实验室有两个可行的大窗户(8米宽),保证了足够的改造腔内的空气通过避免污染的空气再循环。图 1(一)显示了一个风洞和三个粉丝的照片。隧道有三个预定义的不同可能的阵地对额墙气体释放机制。气源由在一个小管的撤军8厘米风扇顶部蒸发纯丙酮从一个小玻璃底部的管(图 1 (b))。这种机制被放置在40厘米高度和蒸发丙酮平均恒定速率32毫升/小时。

(a)定制风洞和(b)的内部细节蒸发器管气体的来源。

 2.2。移动机器人

这项工作的主要操作平台是一个定制的移动机器人(图 2)[ 6]。移动机器人的结构是由铝型材,塑料封面,和其他ABS 3 d打印件。移动机器人的运动是由两个直流电机(P205微型汽车开发)连接到电机控制板(皮层4 ARM微控制器)。个人电脑(双核1.6 GHz, 4 GB内存,128 GB的SSD)与Windows 8.1作为中央处理单元和管理访问所有传感器和致动器通过USB连接。导航和障碍检测程序获取环境信息提供的Hokuyo UTM-30LX。这个激光传感器获得1081点的极坐标形式2 d角范围的−135°+ 135°和30米的最大线性范围。

移动机器人中使用的测量。

移动机器人包括ppbRAE 3000光化电离检测器(PID) RAE系统连接到它的结构,从地板上放置在45厘米,大约在定义的水平面气源用于实验。气体强度的PID措施ppb(磅),有一个有效的最大采样率1赫兹,和配置为测量丙酮和二乙基挥发性物质。此外,机器人包括Windsonic风速计(吉尔仪器公司)为了测量风速和方向。机器人控制程序和程序实现通过使用MATLAB脚本函数虽然有些强大的计算过程如Fast-SLAM算法用C语言实现,使用MATLAB墨西哥人一样快的功能提供了一种移动机器人的位置估计,在不到一秒的时间和额外的时间来获得信息从传感器的采样率1 Hz。

 2.3。信息层

解释信息层的数据测量的机载传感器的移动机器人要求应用程序self-localization过程基于SLAM方法来估计绝对位置的移动机器人在风洞。激光测距传感器收集的数据处理作为二进制图像通过应用一个占用网格大满贯方法( 10, 19结合一个图像模板匹配跟踪方法( 20.]。这个过程比较实际的扫描点与点集从接下来的激光扫描,以获得移动机器人位移估计。移动机器人位姿作为绝对的返回 x 相互重合, y 相互重合的位置以及机器人的定位度。为了加快大满贯过程的搜索窗口模板匹配实现移动机器人位移估计是有限的。中央处理单元的移动机器人能够进行实时导航和机载传感器的采样。所有机载传感器的原始信息可以存储在一个日志注册额外的验证或进一步的离线分析。作为一个例子,图 3显示了典型的原始气体浓度测量获得的PID在机器人探索风洞。图 3展示了一些典型的存在浓度峰值的高度取决于气流变幻和接近气体源。在实践中,不同的移动机器人可以检测气体浓度的峰值振幅传递几次绝对 ( x , y ) 位置在风洞。一般来说,气体浓度的峰值往往代表气体浓度的湍流气流在小区域分组感官信息领域的所有信息收集与PID和风力强度传感器已经在小分组代表电池符合网格地图或信息层,以提高整体的解释与机载传感器收集的数据的移动机器人。

典型的气体浓度样品的进化在移动机器人探索。

程序用于生成气体的信息层和风力的信息有不同的步骤。在初步步骤中,移动机器人的实验区域创建一个详细的地图应用完成大满贯过程在一个简单的探索。这张地图不会改变实验期间它保存为参考地图以加快计算在探索通过避免连续映射更新(应用只有地图self-location过程)。

主要实验步骤,移动机器人执行半随机的探索(图 4(一))在1小时内风洞为了获得不同的信息层。在这篇文章中,移动机器人的路径规划是机器人直线的最大速度(0.2米/秒),直到检测障碍物,然后把一个随机数的度和重复这个过程。这个探索保证风洞的完全覆盖。内置PID和风速计传感器采样1 Hz为了获得同步环境测量所使用的是移动机器人产生不同的信息层(图 4 (b))。这个提议中使用的参数是气体浓度(含量和绝对的风速(米/秒)。在这篇文章中,移动机器人的最大速度低于背景风强度测量在移动机器人停止时所以绝对风速获得不是纠正移动机器人的速度信息。图 4包括大箭头说明球迷的位置和方向的风将所有生成的摘要进行分析。

(一)机器人半随机的探索路径(红线):蓝色箭头描绘的位置和方向的球迷和绿色圆圈描述气体源的位置。(b)层显示最大强度气体浓度测量的信息。(c)平滑层最大气体浓度测量的显示信息。(d)平滑信息图层显示的最大风力强度衡量移动机器人。

图 4 (b)给出了一个相对的代表方盒子的大小或细胞用于组织信息的传感器(0.2×0.2米)的细胞。细胞充满了不断探索和分析中获得的数据来展示他们的局部最大值,平均值和标准偏差值。所有收集传感器数据有相同的重量而随机路径保证相同的报道,因此相同数量的信息在所有的细胞。作为一个例子,图 4 (b)包括信息层强度最大的气体以充满颜色的盒子更容易解释。在这种情况下,气体来源是左侧额叶的墙。低分辨率的信息层可以平滑(图 4 (c)),一种改进的可视化,在这种情况下,通过应用双调和的样条插值( 21)已广泛应用于二维自1970年代以来地球物理映射( 22]。作为一个例子,图 4 (c)显示了一个平滑的高分辨率解释信息层(1正方形区域是平滑8×8像素)对应于气体分布如图 4 (b)同样,图 4 (d)显示了一个平滑高分辨率层风的解释信息。

 3所示。在动荡的风洞测量

本节介绍了通过不同的实验测量结果与气体源放置在不同的位置,不同的设置风力强度。假设是信息层显示气体浓度和风力强度描述一致的背景信息,将应用程序的测试不同气体source-finding算法。

3.1。风速剖面

本节介绍了实验执行为了获得信息层描述了风洞内的风速剖面时,移动机器人路径规划执行半随机的探索在1小时。在这些实验中,气体的蒸发时开始启动实验。图 5显示了平滑信息层显示最大,平均和标准偏差值测量风的强度。这些信息层在三个实验取得了33%,66%,和100%力量应用于粉丝;取得了类似的信息层,当重复实验的过程。

信息层风的强度在不同的实验情况。

在与电源应用于粉丝设置为33%(图 5),羽毛起源的主要撤军风扇是明确定义的信息层显示最大值的山峰,平均值和标准偏差风的强度。风速测量的最大峰值为2.37 m / s在撤军前粉丝,这个值下降到0.51 m / s外面风羽。平均风速值在撤军前粉丝是1.59 m / s,这个值下降到0.28 m / s在羽流。标准差的风速达到0.59 m / s值只是在撤军前风扇和下降到0.12 m / s在羽流。

在与电源应用于粉丝设置为66%(图 5),羽毛起源的主要撤军球迷再次明确定义在信息层。风速测量的最大峰值为3.63 m / s在撤军前粉丝,这个值下降到0.70 m / s外面风羽。平均风速值在撤军前粉丝是2.49 m / s,这个值下降到0.39 m / s在羽流。风速的标准差最大偏差为1.16 m / s刚刚在撤军前风扇和下降到0.16 m / s在羽流。

在与电源应用于粉丝设置为100%(图 5),羽毛起源的主要撤军球迷似乎也在明确定义的信息层。风速测量的最大峰值为5.03 m / s在撤军前粉丝,这个值下降到0.91 m / s羽外。平均风速值在撤军前粉丝是4.02 m / s,这个值下降到0.52 m / s在羽流。标准差的风速达到3.09 m / s的最大偏差在撤军前风扇和下降到0.20 m / s在羽流。

一般来说,图的信息层 5显示一个中央气流柱从推动风扇换气扇。扩散柱的形状特别明显的最大和平均风信息层。结果表明,柱的大小观察信息映射的标准偏差(气强度变化)会随着风的强度(或动力风扇)增加。

 3.2。气体分布概况

本节介绍了实验执行为了获得信息层描述风洞内的气体扩散概要文件时,移动机器人路径规划执行半随机的探索在1小时。实验之间的最小延时6小时,气体浓度基线0磅的验证了之前启动一个实验。图 6显示了平滑信息图层显示的最大天然气峰值强度测量,平均浓度和气体浓度测量的标准偏差。层已经获得这些信息用不同的实验设置标记为例,还包括风扇电源应用于括号的描述。最后,取得了类似的信息层,当重复实验的过程。

信息层的气体浓度在不同的实验情况。

例1和2的图 6显示当一个单一气体来源获得的信息层(绿色圆圈交叉)放在风洞在不同的角落风力强度。案例3定义了一个试验气体源集中在推动风扇的前面。最后,例4定义了一个实验有两个气体来源放在对面的角落额墙。图 6呈现层获得的信息显示的最大气体强度(峰值)测量和这些值的平均值和标准偏差的气体强度。

案例1的图 6显示的信息层气体的分布与所有球迷为33%和可燃气体源位于左边的额墙(图 6绿色圆圈)。气体浓度的最大值是38 ppm的位置非常接近气体源和大型侧柱,外面这缕气体浓度的最大值下降到平均13 ppm的价值。(图的平均价值 6案例1)气体浓度的34个ppm的顶点位置非常接近气体源和外这个峰值平均强度下降到9 ppm。标准差(图 6案例1)显示窄峰17 ppm值和值为1.8 ppm这个峰值外。因此,根据信息层从案例1实验,获得最大的气体柱获得注册时气体峰值强度的移动机器人,然后这些信息层是足够为了提出探索性的轨迹在一个典型的气源本地化应用程序。此外,信息层显示气体浓度测量的标准差可以直接用来定义实验期间停止标准气体的位置,因为使用的气体源附近的测量标准偏差从2到8倍标准差的背景水平。

例2的图 6显示相对应的信息层气体浓度测量和所有球迷为66%和可燃气体源位于额叶墙的左边。最大的气体浓度如图 6第二种情况,是附近最大强度的气源49 ppm但这很窄峰值和最大强度的峰值测量下降到11 ppm在很短的距离。在图 6案例2层的信息显示气体浓度测量的平均值显示峰值强度接近21 ppm的气体源值和一个常数背景水平9 ppm的风洞的面积。信息层相应的标准差(图 6,2)非常类似于以前的案件窄峰9 ppm值和值为1.2 ppm这个峰值外。因此,在图 6例2,气体扩散羽没有明确定义的任何信息层所以预计移动机器人将经验问题如果试图找到一个气体源仅基于机载传感器的气体浓度测量。

在图 6、案例3、气体源放置在撤军前风扇和直接暴露于主气流柱和球迷将33%的最大功率。最大气体浓度的结果(图 6显然,例3)显示一个最大gas-peak浓度的气体烟羽9 ppm和5 ppm羽外。平均信息层(图 6、案例3)有一个最大值的螺旋桨式风扇前7 ppm但类似的较大值也发现周围的墙壁旁边几乎统一的价值5 ppm以及风洞的内部区域。在这种情况下(图 6例3),标准偏差达到最大值,在出口处3 ppm墙,内表面的偏差约为0.8 ppm。因此,移动机器人的期望是能够定位后的气体源气体烟羽中描述的信息层显示气体浓度高峰值。

最后,图 6,4,有两个气体来源位于角落的额操作同时和球迷33%的最大功率。在这种情况下,信息层的值的最大峰值测量显示强度峰值约34.5 ppm接近源和双结合扩散柱最大峰值之外的14个ppm羽流。平均浓度的值也有类似的行为与ppm 27日平均气体强度值接近的来源几乎线性减少到12个ppm风洞的对面。在这种情况下,信息层显示气体浓度测量的标准偏差显示不同时变峰值接近最大值的风洞的城墙6 ppm的山峰和1.6 ppm领域以外的峰值。因此,在这种情况下,移动机器人的期望是能够找到气体通过分析信息来源层显示最大气体浓度测量或平均强度值虽然歧视将取决于传感器用来测量浓度。

 4所示。结论

介绍了测量气体的浓度和风力强度在一个动荡的风洞进行机载传感器的移动机器人在使用丙酮作为气源的目标。选择网格地图概括为不同信息层为了显示最大的位置,平均值和标准偏差值的风强度和气体浓度。一些以前作品如( 13, 14)解决类似问题的移动机器人在每个单元的传感器读数数量减少。这项工作提出了多个传感器读数的解释每个细胞空间在不同的信息层。提出过程组和抚平传感器收集的数据,以创建不同的信息层显示风的分布和湍流风洞内的气体浓度资料在不同的操作配置。未来的工作将集中在使用获得的信息地图的移动机器人自动气体源位置的应用程序框架。

 利益冲突

作者宣称没有利益冲突有关的出版。

 确认

这部分工作是由西班牙经济和竞争力,计划Nacional de Investigacion Cientifica, Desarrollo e Innovacion Tecnologica: tec2011 - 26143和tec2014 - 59229 r和政府的加泰罗尼亚(Comissionat每一个大学我Recerca Departament d 'Innovacio,大学我senior)和欧洲社会基金(ECO / 1639/2013)。

 具有 R。 Lungarella M。 Iida F。 自组织、体现和生物机器人 科学 2007年 318年 5853年 1088年 1093年 10.1126 / science.1145803 2 - s2.0 - 36248969541 石田 H。 和田 Y。 Matsukura H。 化学传感在机器人应用程序:一个回顾 IEEE传感器杂志 2012年 12 11 3163年 3173年 10.1109 / jsen.2012.2208740 2 - s2.0 - 84867704440 加德纳 j·W。 巴特利特 p . N。 电子鼻简史 传感器和执行器B:化学 1994年 18 1 - 3 210年 211年 10.1016 / 0925 - 4005 (94)87085 - 3 2 - s2.0 - 0343550880 周 J。 冯 T。 叶 R。 分化的八个商业蘑菇电子鼻,气相色谱-光谱法 杂志上的传感器 2015年 2015年 14 374013年 10.1155 / 2015/374013 罗素 r。 类人机器人传感由体温 仿生工程杂志 2014年 11 1 82年 89年 10.1016 / s1672 - 6529 (14) 60022 - 6 2 - s2.0 - 84891783977 马丁内斯 D。 Teixido M。 字体 D。 莫雷诺 J。 Tresanchez M。 马可 年代。 Palacin J。 环境智能应用程序基于环境测量与助理移动机器人执行 传感器 2014年 14 4 6045年 6055年 10.3390 / s140406045 2 - s2.0 - 84897390940 Sekhar p K。 周 J。 王 H。 汉布林 e·R。 跟踪检测的季戊四醇四硝酸酯使用电化学气体传感器 杂志上的传感器 2014年 2014年 6 234607年 10.1155 / 2014/234607 2 - s2.0 - 84920384701 聂 W。 刘 Y。 李 c·J。 徐 J。 气体在煤与瓦斯突出监测和控制系统实验室 杂志上的传感器 2014年 2014年 11 172016年 10.1155 / 2014/172016 2 - s2.0 - 84907419542 和田 Y。 Trincavelli M。 Fukazawa Y。 石田 H。 收集数据库研究气体分布的映射和天然气来源与移动机器人定位 国际建筑博物馆联合会(学报》发展的10) 2010年 中国上海 杜伦 年代。 机器人映射:一项调查 探索人工智能在新的千禧年 2002年 旧金山,加州,美国 摩根Kaufmann出版商 1 35 裴 F.-J。 李 H.-Y。 程 中州。 一种改进的基于分布式FastSLAM系统结构自治机器人导航 杂志上的传感器 2014年 2014年 9 456289年 10.1155 / 2014/456289 2 - s2.0 - 84911436092 Guerra E。 Munguia R。 格劳 一个。 单眼大满贯的自主机器人具有增强特性的初始化 传感器 2014年 14 4 6317年 6337年 10.3390 / s140406317 2 - s2.0 - 84898060184 利 一个。 从此之后 T。 建设天然气浓度gridmaps移动机器人 机器人和自治系统 2004年 48 1 3 16 10.1016 / j.robot.2004.05.002 2 - s2.0 - 3342885592 Loutfi 一个。 Coradeschi 年代。 利 a·J。 冈萨雷斯 J。 气体分布的映射多个气味源使用移动机器人 Robotica 2009年 27 2 311年 319年 10.1017 / s0263574708004694 2 - s2.0 - 66349102615 埃尔南德斯斑尼特 V。 Schaffernicht E。 Pomareda V。 利 a·J。 马可 年代。 Trincavelli M。 结合非选择性气体传感器在移动机器人识别和映射的多个化合物 传感器 2014年 14 9 17331年 17352年 10.3390 / s140917331 Turduev M。 Cabrita G。 Kırtay M。 Gazi V。 品牌 l 实验研究化学浓度地图上构建一个多机器人系统使用仿生算法 自治代理和多主体系统 2014年 28 1 72年 One hundred. 10.1007 / s10458 - 012 - 9213 - x 2 - s2.0 - 84891627042 诺伊曼 P P。 Asadi 年代。 利 a·J。 Bartholmai M。 席勒 j . H。 自治气敏microdrone:风矢量估计和天然气分布的映射 IEEE机器人和自动化》杂志 2012年 19 1 50 61年 10.1109 / mra.2012.2184671 2 - s2.0 - 84859714487 Fonollosa J。 Rodriguez-Lujan 我。 Trincavelli M。 韦尔塔 R。 数据集在动荡的风洞化学气体传感器阵列 简单的数据 2015年 3 169年 174年 10.1016 / j.dib.2015.02.014 柯林斯 T。 柯林斯 J·J。 瑞安 C。 占用网格映射:实证评价 控制和自动化学报地中海会议上(07年) 2007年6月 希腊雅典 1 6 10.1109 / MED.2007.4433772 马丁内斯 D。 莫雷诺 J。 Tresanchez M。 Teixido M。 字体 D。 帕尔多 一个。 马可 年代。 Palacin J。 实验的自主移动机器人的应用在室内环境中气体泄漏检测 17学报》国际会议信息融合(融合”14) 2014年7月 西班牙萨拉曼卡 IEEE 1 6 2 - s2.0 - 84910604248 Ahlberg j . H。 尼尔森 e . N。 沃尔什 j·L。 样条函数的理论及其应用 1967年 纽约,纽约,美国 学术出版社 MR0239327 桑德维尔 d . T。 双调和GEOS-3和地球资源卫星高度计数据的样条插值 《地球物理研究快报 1987年 14 2 139年 142年 10.1029 / gl014i002p00139 2 - s2.0 - 0023470157