机器人主动嗅觉

第1章 绪论
1．1 引言
1．2 主动嗅觉涉及的主要领域
1．2．1 嗅觉感知技术
1．2．2 搜索与估计技术
1．2．3 群体智能技术
1．2．4 嗅觉仿真技术
1．3 主动嗅觉研究国内外进展
1．3．1 国外研究进展
1．3．2 国内研究进展
第2章 主动嗅觉感知技术
2．1 常用气体传感器
2．1．1 金属氧化物半导体型
2．1．2 导电聚合物型
2．1．3 质量敏感型
2．1．4 电化学型
2．1．5 催化燃烧型
2．1．6 光学型
2．1．7 常用气体传感器性能对比
2．2 气流（风速／风向）传感器
2．3 传感器信号处理
2．3．1 MOS型气体传感器的输出二值化
2．3．2 风速／风向数据处理
第3章 基于搜索行为的机器人气味源定位方法
3．1 生物体的气味追踪行为
3．2 基于搜索行为的机器人气味源定位方法概述
3．2．1 分子扩散主控环境
3．2．2 湍流扩散主控环境
3．2．3 微弱流体环境
3．3 烟羽发现与再发现
3．3．1 外螺旋算法及实现
3．3．2 Z字形算法及实现
3．3．3 流向随动Z字形烟羽发现方法
3．3．4 外螺旋和Z字形算法的室外对比实验
3．4 烟羽跟踪
3．4．1 基于气味包路径估计的方法
3．4．2 基于模拟退火的方法
3．5 气味源确认
第4章 基于分析模型的气味源位置估计方法
4．1 基于分析模型的气味源位置估计方法概述
4．2 粒子滤波估计方法
4．2．1 粒子滤波气味源位置估计算法
4．2．2 粒子权重的更新
4．2．3 粒子重采样
4．2．4 终止条件
4．2．5 粒子滤波气味源位置估计算法的优化
4．2．6 实验验证与对比
4．3 证据理论估计方法
4．3．1 基本思想
4．3．2 气团路径估计的连续化
4．3．3 嗅觉感知模型及mass函数
4．3．4 基于证据理论的多气味源分布建图
4．3．5 实验及结果分析
第5章 多机器人气味源定位方法
5．1 概述
5．2 多机器人烟羽发现方法
5．2．1 基于发散搜索的方法
5．2．2 基于随机行走和人工势场的方法
5．3 多机器人烟羽跟踪方法
5．3．1 基于改进蚁群优化的跟踪方法
5．3．2 基于改进粒子群优化的跟踪方法
5．4 多机器人气味源确认
5．4．1 算法描述
5．4．2 仿真及实验结果分析
第6章 飞行机器人主动嗅觉技术
6．1 飞行机器人主动嗅觉研究概述
6．1．1 三维空间主动嗅觉研究背景
6．1．2 旋翼无人机主动嗅觉研究难点
6．2 旋翼无人机气动嗅觉效应
6．2．1 气动嗅觉效应计算思路
6．2．2 基于自由涡法的气动嗅觉效应计算
6．3 旋翼无人机三维烟羽发现
6．3．1 三维螺旋曲线
6．3．2 参数选择
6．4 旋翼无人机气味烟羽跟踪
6．4．1 旋翼无人机气味来源方向推理
6．4．2 气味烟羽发现和跟踪实验验证
第7章 气味分布建图技术
7．1 概述
7．1．1 气味分布建图技术简介
7．1．2 国内外气味分布建图现状
7．2 二维气味分布建图
7．2．1 插值法
7．2．2 二维Kernel DM类算法
7．2．3 基于TDLAS的二维气味建图
7．3 三维气味分布建图
7．3．1 三维Kernel DM类算法
7．3．2 三维气味分布建图实例
第8章 主动嗅觉仿真技术
8．1 概述
8．1．1 主动嗅觉仿真技术简介
8．1．2 国内外主动嗅觉仿真技术现状
8．2 主动嗅觉计算机仿真
8．2．1 流场模拟
8．2．2 烟羽模拟
8．2．3 机器人本体仿真
8．2．4 嗅觉传感仿真
8．3 主动嗅觉实物仿真
8．3．1 多风扇主动控制风洞
8．3．2 四旋翼无人机半实物仿真
结语
参考文献