首页 >> 张淑玲

研究人员利用气流物理学原理在复杂情况下更快地定位气态泄漏黄小琥

石岛娱乐网 2022-06-25 19:37:00

研究人员利用气流物理学原理在复杂情况下更快地定位气态泄漏

杜克大学的工程师正在开发一种智能机器人系统，用于探测污染热点和有毒物质泄漏源。

他们的方法使机器人能够结合飞行中的计算结果来解决狭窄空间的复杂气流，而不仅仅是“跟随鼻子”。

“ M. Zavlanos”，“ Mary Milus Yoh”和“杜克大学机械工程与材料科学系副教授Harold L. Yoh“

这些方法通常只能在开放空间中定位单个源，而无法估计其他同样重要的参数，例如释放率。”

但是在复杂的环境中，这些简单的方法可以使机器人在野鹅追逐中进入那些由于气流物理而人为地增加浓度的区域，而不是因为它们是泄漏的源头。

杜克大学机械工程与材料科学系安德森-鲁普教授威尔金斯·阿基诺说：“如果有人在外面抽烟，那么很快就可以通过跟随鼻子找到它们，因为没有什么可以阻止气流的可预测性。”

“但是把同一根香烟放在办公室里，突然变得困难得多，因为走廊，角落和办公室产生不规则的气流。”

Zavlanos，Aquino和刚创立的Ph.D.在最近发表在IEEE Transactions on Robotics上的在线论文中。相反，研究生Reza Khodayi-mehr则利用了这些气流背后的物理原理来更有效地追踪排放源。

为了了解即使是简单的U形盒子内部气流的复杂性，研究人员使用红色粉笔跟踪气流和运动。

像这样的复杂性使得机器人很难简单地“跟随他们的鼻子”来定位气体泄漏源。杜克大学的研究人员建造了一个机器人，该机器人不仅将浓度和气流的测量值插入一个复杂的偏微分方程中，然后确定要进行另一次测量的最有用位置，而不只是跟随最强烈的气味。

通过重复此过程，它可以在具有多个来源的复杂环境中仅进行十二次尝试即可找到乙醇来源。

他们的方法将源识别问题的基于物理学的模型与机器人在反馈回路中的路径规划算法相结合。机器人对环境中的污染物浓度进行测量，然后使用这些测量值递增地计算化学物质的实际来源。

Khodayi-mehr说：“创建这些基于物理学的模型需要求解偏微分方程，这在计算上要求很高，并使它们在小型移动机器人上的应用极具挑战性。” “我们必须创建简化的模型以使计算更有效，这也使它们的准确性降低。这是一个具有挑战性的折衷。”

科达迪·梅尔建造了一个矩形盒子，其墙壁在长度方向上几乎平分了该空间，从而创建了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形一端的走廊，然后从另一端抽回，而气态乙醇则慢慢泄漏到一个角落。尽管设置很简单，但内部产生的气流却湍流且杂乱无章，这对任何嗅探乙醇的机器人都造成了困难的源识别问题难以解决的。

但是机器人还是可以解决问题。

机器人进行浓度测量，将其与先前的测量结果融合，并解决了一个极具挑战性的优化问题，以估算离子源的位置。然后，它找出最有用的位置进行下一次测量，并重复此过程，直到找到源为止。

Zavlanos说：“通过将基于物理学的模型与最佳路径规划相结合，我们可以通过很少的测量来弄清震源在哪里。” “这是因为基于物理学的模型提供了测量之间的相关性，而这些测量在纯数据驱动的方法中没有考虑到，并且最佳路径规划允许机器人选择那些信息量最多的测量。”

Aquino补充说：“基于物理的模型并不完美，但它们所携带的信息远远超过仅传感器本身。” “它们不一定是精确的，但是它们允许机器人根据气流物理场中的可能进行推断。这导致了一种更为有效的方法。”

这一系列复杂的问题解决方法不一定更快，但更强大。它可以处理多种来源的情况，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，以同时提高其模型的效率和准确性。他们还努力将这一想法扩展到对一组机器人进行编程，以进行大范围的有条不紊的搜索。尽管他们尚未在实践中尝试使用分组方法，但他们已发布了模拟方法来证明其潜力。

Khodayi-mehr说：“从控制设置的实验室环境转移到更实际的情况显然也需要解决其他挑战。” “例如，在现实世界中，我们可能不知道域的几何形状。这是我们当前正在研究的一些正在进行的研究方向。”

“复杂环境中基于模型的主动源识别。” Reza Khodayi-mehr，Wilkins Aquino，Michael M.Zavlanos。IEEE机器人交易，2019年。