买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：新疆大学

摘要：由于在非结构环境中，空间羽流的非连续、不稳定、不确定特性突出，使得部分羽流运动存在典型的间歇性特点，从而使得传统基于嗅觉或视嗅觉融合的方法无法有效可靠地追踪羽流并进行源定位，在羽流寻源过程遇到较大地挑战，亟待研发一种能够在间歇性羽流寻源的可靠方法。因传统多传感器融合的羽流寻源方法对羽流的物理、化学特性未能充分地利用，导致大量潜在的信息舍弃，当机器人无法接触羽流的情况下，易使寻源效率不足或失败。由于不同成份的羽流在光谱成像方面存在着差异，部分羽流具有较明显的色彩、灰度、纹理等物理特征，因此可通过高光谱成像来获得羽流视觉信息，提取其物理、化学特征；反之，即使部分羽流无明显的物理特征，仍可通过高光谱成像提取其化学特征。因此，本发明在寻源机器人基本感知（化学、流向流速）基础上，采用一种由高光谱成像来获得羽流的视觉信息，提取羽流的物理、化学特征，对机器人无法接触到的羽流也具备非接触检测能力。此外，通过F‑DARTS的基础网络架构，借鉴自主发育网络的参数演进思想，来探索非结构环境下的机器人羽流寻源自主追踪方法，提升寻源效率和可靠性，为机器人在多模态间歇性羽流寻源中提供可靠的视觉信息处理与分析能力保障。

主权项：1.一种机器人多模态间歇性羽流寻源自主追踪方法,其特征在于，包括以下步骤：1在机器人上搭载感知羽流的传感器，如嗅觉传感器、风速风向传感器以及高光谱成像相机；以及其它机器人所需传感器，如激光雷达、编码器；2因多层细胞渐进方法利用多层次特征细胞方法F-DARTS对不同层次特征的适应能力和网络表达性较强，以及对比强化学习、进化算法贝叶斯的搜索方法在搜索时间和准确率上具有明显的优势；因此，对于高光谱相机所获取到的光谱羽流信息输入到F-DARTS网络中，提取羽流的物理、化学特征，同时，光谱羽流信息图片需要通过labelme标注工具进行标注；3对于F-DARTS网络无参数自调整能力，引入自主发育网络用于根据获取到羽流信息以及运动信息的反馈，采用自主发育网络在线自主调整F-DARTS的参数，使F-DARTS具有自主演进能力，其中自主发育神经网络算法步骤：1.1在时刻t＝0，对于网络{X,Y,Z}中任意区A,初始化对应的网络层N＝V；G及响应向量r，其中V是所有的突触权重，G是各神经元年龄；1.2在时刻t＝1,2...对于网络{X,Y,Z}中任意区域A，依次按如下步骤计算：a对每个区域A使用统一的算法函数:r′,N′＝fb,t,N1其中，b是bottom-up向量，t是top-down向量，r′是响应向量；b对于每个区域A中的神经元对应的权重向量可以计算出其响应向量为： c采用top-k竞争机制，计算优胜神经元j： d对优胜神经元j，采用HebbianLearning规则对其权重进行调整： e采用遗忘平均AmnesicMean更新w1和w2的值： 4与此同时，对于嗅觉传感器和风向风速传感器获取到的羽流信息，进行羽流的化学信号和流体信号调理及特征提取；5通过对三种异类传感器获取到的羽流信息提取特征，感知周围的羽流环境，驱使机器人动态自主决策运动方向和速度；6由于在此过程中，利用F-DARTS的高效视觉处理能力，在F-DARTS基础架构融入自主发育网络参数自主更新机制，并综合多类感知数据，实现感知、信息处理、决策过程的不断反馈、迭代、更新，实现机器人在多模态间歇性羽流寻源中的策略自主追踪过程。

全文数据：

权利要求：

百度查询： 新疆大学 一种机器人多模态间歇性羽流寻源自主追踪方法