1.一种危化品泄漏源定位方法,其特征在于,
包括以下步骤:
A)根据固定传感器网络布局建立坐标系,将监测到超过浓度阈值c的固定传感器所覆盖的区域作为大致范围,移动传感器移动步数t=1;
B)设置粒子群算法重复次数k=1,重复次数最大值为K;
C)将固定传感器采集到的气体浓度数据,利用自适应变异的粒子群算法反算定位,目标函数为: 其中N为定位网络中固定传感器的数量,t为移动传感器的移动步数,在步骤F启动移动传感器前,t的取值为0,在步骤F启动移动传感器后t的值由步骤H确定,Cmes为监测浓度,Ccomp为计算浓度,目标函数的计算结果记为适应度值fit,运行粒子群算法获得最优解fitk,泄漏源记为(xk,yk,Qk),其中xk、yk分别为第k次粒子群算法获得的泄漏源最优解的x坐标和y坐标,Qk表示第k次粒子群算法获得的泄漏源泄漏强度;
D)若fitk≥εpso,则返回步骤C再次运行粒子群算法,εpso为设定的反算精度,反之,进入步骤E;
E)将步骤C得到的(xk,yk,Qk,fitk)存储到优化结果存储器中,在优化结果存储器中找到最小的fitk,记为fitr,若fitr≤εfinal,εfinal为设定的最终收敛阈值,且εfinal<εpso,则将fitr对应的(xk,yk,Qk)作为泄漏源位置以及泄漏源强度,并结束本方法,反之,则进入步骤F;
F)将粒子群算法重复计算次数k加1,若k<K,则返回步骤C,重置粒子群算法,从步骤C重新执行,反之,则启动移动传感器,并进入步骤G;
G)若t<1,则将移动传感器置于随机初始位置(p0,q0),反之,则利用扩展卡尔曼滤波算法确定移动传感器的下一个移动位置(pt+1,qt+1);
H)计算位置(pt+1,qt+1)处的理论浓度值 将移动传感器移动到(pt+1,qt+1),获得(pt+1,qt+1)处的检测值 移动传感器移动步数t加1;
I)若 大于阈值c,则判断此点处于泄漏范围,计算 若
则将位置(pt+1,qt+1)作为泄漏源位置,将 作为泄漏源强度,并结束本方法,若 则位置(pt+1,qt+1)处的检测值当做固定传感器的检测值加入到固定传感器采集到的气体浓度数据,跳转到步骤B执行,若 不大于阈值c,则返回步骤B重新执行。
2.根据权利要求1所述的一种危化品泄漏源定位方法,其特征在于,所述利用扩展卡尔曼滤波算法确定移动传感器的下一个移动位置(pt+1,qt+1)的方法包括以下步骤:G1)使用状态方程来描述系统状态随时间的变化过程,可表示为xt=f(xt-1)+wt-1,式中,xt为观测目标在t时刻的状态向量;wt-1为过程噪声,均值为0,方差为Qt-1,使用状态向量表示移动传感器当前的状态,其中pt以及qt为移动传感器第t步的x坐标和y坐标, 表示移动传感器第t步理论浓度值与检测值差值的平方;
G2)移动传感器第t+1步的状态方程为: 其中
分别为移动传感器x坐标和y坐标的移动策略系数,均由人工设定,ξ为过程噪声,均值为0,方差为Qt-1;
G3)获得系统矩阵表达 其中α、β、γ分别为
关于pt、qt、 的偏导值;
G4)使用观测方程来描述系统状态的观测信息,由非线性函数h控制,即观测方程:zt=h(xt)+vt,式中,zt为观测目标在t时刻的测量值,h为预测值映射到测量空间的非线性函数;
vt为观测噪声,均值为0,方差为Rt;
G5)设Zt为移动传感器在第t步的检测向量,Zt=[xt yt]T,其中xt以及yt分别表示移动传感器在第t步移动位置检测后预测出的泄漏源x坐标和y坐标,预测值映射到测量空间的非线性函数h可由下式描述:,
确定Zt与Xt的关系即可得出h,进而可由h求偏导得出非线性系统的雅可比行列式Ht;
G6)将状态方程与观测方程代入扩展卡尔曼滤波公式中,即可规划移动传感器下一位置(pt+1,qt+1)。
3.根据权利要求1或2所述的一种危化品泄漏源定位方法,其特征在于,坐标(x,y,z)处的计算浓度Ccomp的计算方法为:
其中Q0为泄漏源的源强,u为风速,σx、σy以及σz分别为x,y,z方向的扩散系数,σx、σy以及σz的值可以根据高斯扩散模型扩散系数方程求得,H为有效源高,由人工设定,本方法仅寻找泄漏源的x坐标和y坐标,因而z由人工设定为常数值。