CN114295790A - 一种高分辨差分自寻的智能仿生鼻***及其工作方法 - Google Patents
一种高分辨差分自寻的智能仿生鼻***及其工作方法 Download PDFInfo
- Publication number
- CN114295790A CN114295790A CN202210097638.6A CN202210097638A CN114295790A CN 114295790 A CN114295790 A CN 114295790A CN 202210097638 A CN202210097638 A CN 202210097638A CN 114295790 A CN114295790 A CN 114295790A
- Authority
- CN
- China
- Prior art keywords
- gas
- sampling
- sampling probe
- resolution
- phase component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Sampling And Sample Adjustment (AREA)
Abstract
本发明涉及一种高分辨差分自寻的智能仿生鼻***及其工作方法,其特征在于:气体采样探针,其对空间中气体进行立体采样;高分辨气相组分分析仪,其用于分析采样点处待分析气体中特定组分的浓度;气体传输切换装置,其将气体采样探针采样的气体传输至高分辨气相组分分析仪;分级伺服驱动装置,其驱动气体采样探针、气体传输切换装置或高分辨气相组分分析仪中的一个或多个直线移动或/和旋转,按照采样点最大浓度梯度的矢量方向运动与定向。本发明真正沿着气相组分(气味)浓度的最大梯度传播轨迹,自主寻找气相组分(气味)的来源。
Description
技术领域
本发明涉及一种寻找特定气体组分未知物理空间来源位置的技术及装置,尤其是通过相对位置固定的多点采样分析确定最佳运动轨迹,结合分级伺服驱动装置实现智能自主寻的。
背景技术
在智能仿生感知技术中,仿生视觉与听觉相对发展的比较成熟,依靠智能视觉与听觉可实现对来源的方向与位置的估计,同时确定感知对象的细节,如图形与声音内容等信息。对视觉与听觉位置与方向的感知,基本遵循光与声传播的客观规律。
在现实生活中由于气味可实现远距离传播扩散,同时又能绕过各类障碍物,具备有效避开视线遮挡、声波屏蔽等问题的独特优势,这也正是动物大空间范围定位猎物的一种重要方式,其主要原理就是利用气味在空间中的分布,自主寻找浓度最大梯度方向。利用上述原理开发自寻的智能仿生嗅觉技术,可以广泛地应用具有安全隐患的危险物或隐患主动定位,也可用于非侵入方式的危险物品被动甄别。
目前对于嗅觉的感知开发中,仿生嗅觉并未实现对气味未知来源方向与位置的感知,更多是对固定样品气味或含气味物质的定性判别,如对某一空间中特定组分气体的甄别。实际上,此类技术仅仅是对特定对象气体组分的定性或定量判断,从科学意义上讲,与便携式的气体组分分析仪无实质性差异,或者是其操作功能单一化的设备。
总之,现有的仿生嗅觉技术远远落后于仿生视觉和听觉的技术发展水平,主要原因在于以下三方面还未真正突破:
第一、未能实现感知特定组分来源的方向与位置;
第二、不具备自主调整方向的快速追踪;
第三、对未知多气体组分中的指纹信息不具备学习功能。
实际上气体组分的嗅觉感知面对是某些特定的组分,而每种气体组分具有自身的特征,利用其自身特征快速区别出其含量与空间分布,正是本技术的核心。对于具有扩散源的气体组分,其在空气中存在自然扩散的规律,即传质学中的菲克定律(FickLaw),扩散速率取决于浓度分布与扩散系数。此规律正如视觉与听觉中的光与声传播,因此遵循该规律就同样可以实现对嗅觉的智能感知。
目前智能仿生嗅觉感知技术尚未发展,相关技术(如电子鼻)主要集中于气体检测部件,或简单从仿生角度模拟鼻腔对气体的采样过程,未真正实现矢量定位,本质上仍是对气体组分的定性或定量检测,从工作机理与科学内涵上应该就是简化的气体组分浓度分析仪。其主要的技术缺陷集中于以下几点:
(1)仅仅限于检测相关气体组分的浓度,与气体组分分析仪器工作原理基本相同。
复旦大学温丽菁等的“便携式智能电子鼻及其制备方法”(申请号02111963.5)为气体传感器与检测算法的耦合;华中科技大学张顺平的“一种U盘式电子鼻检测仪”(申请号202021563980 .3)实质为气体组分的传感器;中国农业大学汤修映等发明“一种电子鼻检测***”(申请号202110266819 .2)则为针对不同种类气体敏感的传感器阵列组成检测模块,利用电化学原理分析特定组分;言谱物(杭州)智能科技有限责任公司发明的“一种电子鼻装置”(申请号202110119529 .5)则从装置外形上设计了类似与鼻腔的气体采样结构,内部使用传感器阵列用于检测气体的浓度。
上述不同技术都是针对特定区域或对象,利用不同类气体传感器(主要为电化学类气体检测传感器)分析特定气体组分浓度,其实质与气相组分浓度分析仪工作原理无任何差别。相反,由于采用了简单的气体传感器,无法探测未知的气体组分,并不具备自适应学习功能;同时其灵敏度相对较低,无法感知极低浓度的气相组分,如ppm级;这些缺陷限制了其在复杂气氛空间中的使用。
(2)检测分析的定性定量结果为标量,无法达到定位与寻的的要求。
国内外在电子(或称谓为智能、仿生)鼻虽然研究众多,但是正如上述专利中表述的,都集中于利用不同的传感器分析特定气相组分的浓度,此类数据在数学内涵上是某一位置或对象的标量信息,并不是空间方向的矢量信息,无法用于定位气味或气相组分的来源(包括位置与相对方向)。
上述专利文献的功能与智能仿生的视觉与听觉功能存在极大技术差别,如视觉感知(多摄像头联用)的定位功能、调焦放大,听觉感知(如雷达)定位锁定、追踪轨迹功能等。
现有的电子(或称谓为智能、仿生)嗅觉更多作为特定气相组分的分析设备,尚未从技术本质上实现追踪、定位、确定来源的功能。
(3)检测分析的分辨率低,不具备自主判别未知气相组分功能。
虽然上述各类传感器可以定性定量分析某些气相组分,但是与实际应用场景所需的高分辨率仍有相当大差距,如达到ppb级的检测基线。因此,无法在小范围内检测气相组分的扩散率,更无法为扩散方向提供定位信息。
另外,气相组分传感器往往针对特定组分,尚不能实现同时跨种类检测,更无法面对未知气相组分提供自主学习功能。
上述三类技术缺陷的存在导致目前的电子(或称谓为智能、仿生)鼻实际上是气相组分分析仪器的简化版产品或技术,尚未具备自主识别气体组分、定位来源、自主寻的的智能仿生功能。
发明内容
本发明设计了一种高分辨差分自寻的智能仿生鼻***及其工作方法,其解决的技术问题是现有技术中的三类技术缺陷的存在导致目前的电子(或称谓为智能、仿生)鼻实际上是气相组分分析仪器的简化版产品或技术,尚未具备自主识别气体组分、定位来源、自主寻的的智能仿生功能。
为了解决上述存在的技术问题,本发明采用了以下方案:
一种高分辨差分自寻的智能仿生鼻***,其特征在于:气体采样探针,其对空间中气体进行立体采样;高分辨气相组分分析仪,其用于分析采样点处待分析气体中特定组分的浓度;气体传输切换装置,其将气体采样探针采样的气体传输至高分辨气相组分分析仪;分级伺服驱动装置,其驱动气体采样探针、气体传输切换装置或高分辨气相组分分析仪中的一个或多个直线移动或/和旋转,按照采样点最大浓度梯度的矢量方向运动与定向。
优选地,气体采样探针为多点差分矢量采样探针,采样点至少应为四点,而且所有点不能处于同一空间平面,所有点彼此之间的相对位置固定不变,保证其差分计算时的空间尺寸固定不变,采样点相互连线可构成固定形状的虚拟多面体;
优选地,气体采样探针为单个采样探针,利用分级伺服驱动装置将采样探针在有限空间中依次实施分时多点采样,由此同样构成立体多点采样的效果。
优选地,多点差分矢量采样探针形成底部等边三棱锥体结构或底部正交四面棱锥体结构。
优选地,多点差分矢量采样探针为虚拟多点采样探针:单点探针由分级伺服驱动装置,将其分时布置于空间中的多点,保证其不在同一平面,即可实现虚拟多点采样。
优选地,气体传输切换装置包括气体传输管道,若采用单一的高分辨气相组分分析仪,气体传输管道上设有采样切换阀,若采用多套高分辨气相组分分析仪,保证每个采样点都可直接分析时,则气体传输管道上不配备采样切换阀。
优选地,高分辨气相组分分析仪为质谱、红外等气体分析仪,或特定气体组分传感器。
优选地,分级伺服驱动装置包括气体采样探针定向、机械臂以及底盘中的一个或多个;气体采样探针定向通过驱动装置使得采样探针实现在矢量方向定位,机械臂通过驱动装置使得气体传输切换装置空间位置定位,底盘通过驱动装置使得高分辨气相组分分析仪在基准位置定位。
优选地,气体采样探针定向布置于采样探针根部,在俯仰、方向两个自由度上精细微调整角度,保证采样探针的方向与浓度最大梯度方向一致;机械臂为多轴联动的智能机械臂,与气体传输管路关联,可在一定空间范围上实现三个维度的定位,能够将气体采样探针伸入特定狭小空间之中,保证在空间位置的微小定位与定向;底盘支撑采样探针、气相组分分析仪、机械臂和气体传输切换装置的重量,并保证整个智能仿生鼻***的重心稳定性;同时利用其底部的驱动轮对整体***实现在地面的位置驱动以及方向的初步确定,达到初步定位与定向。
优选地,底盘通过轮式或履带式结构实现在地面上的移动或通过飞行器实现在空中的工作;
优选地,气体采样探针上布置可视化装置。
一种高分辨差分自寻的智能仿生鼻***的工作方法,包括以下步骤:
利用气体组分扩散过程遵循传质学中菲克定律,通过相对位置固定的立体空间,进行气体采样探针气体采样;
气体采样探针将对气体采样并通过气体传输切换装置输送至高分辨气相组分分析仪;
结合所追踪气体组分的物种特性,高分辨气相组分分析仪解析其在各点的浓度,差分求解所追踪气体组分此时此点的气体组分最大梯度向量,确定气体组分追踪的轨迹;
由伺服控制机构驱动气体采样探针、气体传输切换装置以及高分辨气相组分分析仪中任何一个或多个的位置进行移动或旋转方向,直至自主寻找到气体组分最大梯度向量空间分布极值,此处即为气体组分的来源的,从而实现自主差分寻的的功能。
该高分辨差分自寻的智能仿生鼻***及其工作方法具有以下有益效果:
(1)本发明真正沿着气相组分(气味)浓度的最大梯度传播轨迹,自主寻找气相组分(气味)的来源。
(2)本发明采用高分辨质谱分析气相组分时,可实现对未知多组分的气体实时同时分析,也可对气相组分物种进行定性判断。
(3)本发明依靠气相组分的定性判断,有利于构建不同组分的气体特征参数(指纹信息),可实现自主学习的功能。
(4)本发明寻的智能仿生鼻首次真正模仿了动物鼻子的实际功能,而不是将简单气体组分分析功能作为仿生鼻的核心,相反更侧重于在判断气相种类与浓度大小的同时,实现自主寻找气味的来源。
(5)本发明可广泛应用于具有一定危险风险的环境中,智能寻找安全隐患、危险气体的来源,此部分工作目前根本无法由智能视觉、听觉等技术手段实现。
附图说明
图1:本发明高分辨差分寻的智能仿生鼻工作原理二维示意图;
图2:本发明高分辨差分寻的智能仿生鼻工作关系示意图;
图3:本发明高分辨差分寻的智能仿生鼻的结构关系示意图;
图4:本发明底部等边三棱锥体结构形式的采样探针示意图;
图5:本发明底部正交四面棱锥体结构形式的采样探针示意;
图6:本发明二维平面定位智能仿生鼻的结构关系示意。
附图标记说明:
1—多点差分矢量采样探针;2—气体传输切换装置;3—高分辨气相组分分析仪;41—采样探针定向;42—机械臂;43—底盘;4—分级伺服驱动装置。
具体实施方式
下面结合图1至图6,对本发明做进一步说明:
本发明的技术原理为利用气体组分扩散过程遵循传质学中菲克定律,通过相对位置固定的立体空间多点气体采样,结合所追踪气体组分的物种特性,采样高精度气体组分分析设备解析其在各点的浓度,差分求解所追踪气体组分此时此点的气体组分最大梯度向量,确定气体组分追踪的轨迹,进一步由伺服控制机构驱动设备的位置与移动(含旋转)方向,直至自主寻找到气体组分最大梯度向量空间分布极值,此处即为气体组分的来源的,从而实现自主差分寻的的功能。
如图1所示,给出本发明在二维空间体系下的工作原理示意,在二维平面空间中,仅需要三点即可分析确定最大梯度的矢量方向,如图1中的旋转角度Ѳ,依靠P0点的浓度随轨迹变化,可给出其在空间移动的速度与方向,由此实现自主寻找气体组分的来源方向与位置,直至最大梯度到达极值。
本发明中气体组分最大梯度的检测分析来自于立体空间的多点采样与差分计算,因此命名为高分辨差分寻的智能仿生鼻技术,此技术实现的硬件装置包括四个主要部分与一个辅助部分:
1、多点差分矢量采样探针;
2、气体传输切换装置;
3、高分辨气相组分分析仪;
4、分级伺服驱动装置;
四个主要部分工作机理关系如图2所示,其中最大梯度矢量自寻定向定位算法为分析软件。高分辨差分寻的智能仿生鼻结构关系如图3所示,此结构为总体结构关系,各部分按照应用场景可适当选择。
各部分的结构与功能如下所述:
1、多点差分矢量采样探针;
多点差分矢量采样探针1主要功能为:对空间中气体进行多点立体采样,采样点至少应为四点,而且所有点不能处于同一空间平面,所有点彼此之间的相对位置固定不变,保证其差分计算时的空间尺寸固定不变,采样点相互连线可构成固定形状的虚拟立方体。
最典型的两种结构形式为:
第一种:底部等边三棱锥体。
此布局形式为最少边、面的立方体,顶部为突出于最前端的一采样点,其它三个采样点组成底部等边三角形,顶部采样点投影于底部等边三角形的中心,四点构成一虚拟三棱锥体,具体结构如图4所示,其中P0点为顶部采样点,P1、P2、P3为底部等边采样点,四点构成三棱椎体。此结构的优势在于采样点最少,对应于后部检测器数量会最少或采样响应时间最短。此结构的特殊形式包括两种:第一种是全等边的正四面体采样点布置结构,第二种是顶部三面正交(如P1、P0、P2三点组成直角)采样点布置结构。
第二种:底部正交四面棱锥体。
此布局形式类似于金字塔结构,其每个棱体侧面的三角形都是等边三角形;同样,顶部为突出于最前端的一采样点,其它四个采样点组成底部正方形,顶部采样点投影于底部正方形的中心,具体结构如图5所示,其中P0点为顶部采样点,P1、P2、P3、P4为底部等边采样点,五点构成四面棱椎体。此结构的优势在于底部四个采样点的对角线组成直观易理解的正交坐标体系,便于直接计算伺服驱动机构的移动量。
多点差分矢量采样探针中气体管路采用不锈钢或聚四氟乙烯材料,采样口的相对位置须严格固定,如使用球体或支架结构固定位置多点差分矢量采样探针根部联接一级伺服驱动机构,如图3中所示的一级伺服驱动机构41,主要用于调整采样探针的俯仰、方向角度。
虚拟多点采样探针
针对图4、5所示的实体多点采样探针,可利用P0的单点探针由分级伺服驱动装置,将其分时布置于空间中的多点,如P1、P2、P3点等,保证其不在同一平面,即可实现虚拟多点采样;此类型探针适合与高分辨气相组分分析仪结合。
2、气体传输切换装置;
气体传输切换装置包括气体传输管道、采样切换阀两部分。若采用单一的气体组分分析仪,则必须配备采样切换阀;若采用多套气体组分传感器(或分析仪),保证每个采样点都可直接分析时,则不配备采样切换阀。
图3中所示为单一气体组分分析仪(即高分辨质谱),则使用切换阀分时对不同采样点快速检测分析,切换阀之前所有采样点的气体都通过小型真空泵抽气至切换阀;切换阀仅选择一路气体进行采样分析,进入后部真空采样毛细管,其它气路气体实时排空。
气体传输切换装置后端联接进入气体组分分析仪,而其根部固定与机架之上,如图3所示机械臂的根部;同时气体传输切换装置布置于机械臂42之上,与二级伺服驱动直接关联,保证采样点的定位位置。
3、高分辨气相组分分析仪;
高分辨气体组分分析仪主要用于分析采样点处待分析气体中特定组分的浓度。对于精度要求低且待分析气相组分固定,可采用多个气相组分传感器,如针对特定气体的电化学类传感器或检测器,并采用多套传感器分别对应采样点的形式布置。
对于检测限极低,同时气相组分多样且未知的情况,则采用高分辨气体组分分析仪——质谱,一般采用四级杆质谱即可。一台质谱分时快速依次分析采样点中气相组分的浓度,同时利用质谱定量分析技术——等效特征图谱法对气相组分定性定量分析,既确定组分的物质种类,又确定其浓度;对于未知气相组分则根据等效特征图谱法,建立其特征图谱,并采用后标定方式获得其相对灵敏度参数,实现自主学习的功能。其布局如图3所示,其气体进口与机械臂42的根部位置相对固定,气体分析仪固定于图3中的三级伺服驱动(底盘43)之上,其位置与底盘43保持一致。
4、分级伺服驱动装置;
分级伺服驱动装置4的功能在于驱动高分辨差分寻的智能仿生鼻,按照采样点最大浓度梯度的矢量方向运动与定向。如图3所示分级伺服驱动装置4包括气体采样探针定向41、机械臂42、底盘43三级。三级伺服驱动机构的结构与功能如下:
气体采样探针定向41布置于探针根部,在俯仰、方向两个自由度上精细微调整角度,保证采样探针的方向与浓度最大梯度方向一致。
机械臂42为多轴联动的智能机械臂,与气体传输管路关联,可在一定空间范围上实现三个维度的定位,能够将气体采样探针伸入特定狭小空间之中,保证在空间位置的微小定位与定向。
底盘43支撑设备所有的重量(包括采样探针、气相组分分析仪、机械臂、气体传输切换装置等),并保证整个智能仿生鼻***的重心稳定性;同时利用其底部的驱动轮对整体***实现在地面的位置驱动以及方向的初步确定,达到初步定位与定向。底盘43的结构形式可以是轮式或履带式,两者可适合不同的应用场景。针对空中工作状况,则选择飞行器(包括飞机、无人机等)作为工作平台。
根据不同的应用场景,可选择配置三级伺服驱动***中部分组合。例如:对***空间位置固定的应用场景,可配置气体采样探针定向41与机械臂42两类伺服机构,不需要配置底盘43;对于大空间中气体来源定位,则可配置气体采样探针定向41与底盘43两类伺服机构,不需要配置机械臂42。
对于不同应用空间维度,可选择配置三级伺服驱动***组合。例如对于仅需要二维平面的定位,不要高度的定位,仅需配置底盘43与气体采样探针定向41的两级伺服驱动,并可选择配单点采样探针,利用其定位方向的旋转,构建虚拟多点差分矢量采样结构,如图6所示。
上述三级伺服驱动***联合配置时,需按照浓度最大梯度矢量方向分级驱动,从底盘43至机械臂42,再到探针方向41,分级从粗到精实现精准化调整。
辅助部分:可在气体采样探针上同时布置可视化的手段,如利用立体摄像头、红外摄像头等,辅助快速定位,并预防碰撞。
本发明中的部分结构可由其它形式替代,具体如下:
在气体采样探针中,可采用少于四点的采样点形式,如单一采样点、双采样点或三采样点,利用机械臂将采样点在有限空间中依次实施分时多点采样,由此同样构成立体多点采样的效果。但是其空间相对距离需要精准定位,此方法极易受伺服驱动***的精度影响,并需要高精度的定位与计算分析软件。
气相组分传感单元可以选择其它类型,如光谱类的气体组分检测器。
通过分级伺服驱动装置的不同配置类型,如地面底盘、空中平台,可适合不同应用场景与定位空间维度。
总之可替换的技术内容仅聚焦于结构形式与功能器件的替代,其核心技术原理无法被更换,即检测与分析气体在空间的浓度最大梯度矢量,由此驱动探针定位与定向,最终到达浓度最大梯度矢量,由此寻找与确定气相组分(气味)来源,形成具备自寻的功能的智能仿生鼻。
上面结合附图对本发明进行了示例性的描述,显然本发明的实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围内。
Claims (10)
1.一种高分辨差分自寻的智能仿生鼻***,其特征在于:
气体采样探针,其对空间中气体进行立体采样;
高分辨气相组分分析仪,其用于分析采样点处待分析气体中特定组分的浓度;
气体传输切换装置,其将气体采样探针采样的气体传输至高分辨气相组分分析仪;
分级伺服驱动装置,其驱动气体采样探针、气体传输切换装置或高分辨气相组分分析仪中的一个或多个直线移动或/和旋转,按照采样点最大浓度梯度的矢量方向运动与定向。
2.根据权利要求1所述的高分辨差分自寻的智能仿生鼻***,其特征在于:
气体采样探针为多点差分矢量采样探针,采样点至少应为四点,而且所有点不能处于同一空间平面,所有点彼此之间的相对位置固定不变,保证其差分计算时的空间尺寸固定不变,采样点相互连线可构成固定形状的虚拟多面体;
或者,气体采样探针为单个采样探针,利用分级伺服驱动装置将采样探针在有限空间中依次实施分时多点采样,由此同样构成立体多点采样的效果。
3.根据权利要求2所述的高分辨差分自寻的智能仿生鼻***,其特征在于:多点差分矢量采样探针形成底部等边三棱锥体结构或底部正交四面棱锥体结构。
4.根据权利要求2所述的高分辨差分自寻的智能仿生鼻***,其特征在于:多点差分矢量采样探针为虚拟多点采样探针:单点探针由分级伺服驱动装置,将其分时布置于空间中的多点,保证其不在同一平面,即可实现虚拟多点采样。
5.根据权利要求1-4中任何一项所述的高分辨差分自寻的智能仿生鼻***,其特征在于:气体传输切换装置包括气体传输管道,若采用单一的高分辨气相组分分析仪,气体传输管道上设有采样切换阀,若采用多套高分辨气相组分分析仪,保证每个采样点都可直接分析时,则气体传输管道上不配备采样切换阀。
6.根据权利要求1-4中任何一项所述的高分辨差分自寻的智能仿生鼻***,其特征在于:高分辨气相组分分析仪为质谱、红外等气体分析仪,或特定气体组分传感器。
7.根据权利要求1-4中任何一项所述的高分辨差分自寻的智能仿生鼻***,其特征在于:分级伺服驱动装置包括气体采样探针定向、机械臂以及底盘中的一个或多个;气体采样探针定向通过驱动装置使得采样探针实现在矢量方向定位,机械臂通过驱动装置使得气体传输切换装置空间位置定位,底盘通过驱动装置使得高分辨气相组分分析仪在基准位置定位。
8.根据权利要求7所述的高分辨差分自寻的智能仿生鼻***,其特征在于:
气体采样探针定向布置于采样探针根部,在俯仰、方向两个自由度上精细微调整角度,保证采样探针的方向与浓度最大梯度方向一致;
机械臂为多轴联动的智能机械臂,与气体传输管路关联,可在一定空间范围上实现三个维度的定位,能够将气体采样探针伸入特定狭小空间之中,保证在空间位置的微小定位与定向;
底盘支撑采样探针、气相组分分析仪、机械臂和气体传输切换装置的重量,并保证整个智能仿生鼻***的重心稳定性;同时利用其底部的驱动轮对整体***实现在地面的位置驱动以及方向的初步确定,达到初步定位与定向。
9.根据权利要求8所述的高分辨差分自寻的智能仿生鼻***,其特征在于:
底盘通过轮式或履带式结构实现在地面上的移动或通过飞行器实现在空中的工作;
或/和,气体采样探针上布置可视化装置。
10.一种高分辨差分自寻的智能仿生鼻***的工作方法,包括以下步骤:
利用气体组分扩散过程遵循传质学中菲克定律,通过相对位置固定的立体空间,进行气体采样探针气体采样;
气体采样探针将对气体采样并通过气体传输切换装置输送至高分辨气相组分分析仪
结合所追踪气体组分的物种特性,高分辨气相组分分析仪解析其在各点的浓度,差分求解所追踪气体组分此时此点的气体组分最大梯度向量,确定气体组分追踪的轨迹;
由伺服控制机构驱动气体采样探针、气体传输切换装置以及高分辨气相组分分析仪中任何一个或多个的位置进行移动或旋转方向,直至自主寻找到气体组分最大梯度向量空间分布极值,此处即为气体组分的来源的,从而实现自主差分寻的的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210097638.6A CN114295790B (zh) | 2022-01-27 | 2022-01-27 | 一种高分辨差分自寻的智能仿生鼻***及其工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210097638.6A CN114295790B (zh) | 2022-01-27 | 2022-01-27 | 一种高分辨差分自寻的智能仿生鼻***及其工作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114295790A true CN114295790A (zh) | 2022-04-08 |
CN114295790B CN114295790B (zh) | 2023-09-26 |
Family
ID=80976910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210097638.6A Active CN114295790B (zh) | 2022-01-27 | 2022-01-27 | 一种高分辨差分自寻的智能仿生鼻***及其工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114295790B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0624108D0 (en) * | 2006-12-02 | 2007-01-10 | Schlumberger Holdings | System and method for qualitative and quantitative analysis of gaseous components of multiphase hydrocarbon mixtures |
CN101413804A (zh) * | 2008-11-28 | 2009-04-22 | 天津大学 | 动态整合多种搜寻策略的气体泄漏源搜寻方法 |
CN103630698A (zh) * | 2013-12-03 | 2014-03-12 | 杭州协正信息技术有限公司 | 一种模仿动物嗅觉器官结构的立体电子鼻 |
CN104007763A (zh) * | 2014-06-13 | 2014-08-27 | 重庆大学 | 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法 |
-
2022
- 2022-01-27 CN CN202210097638.6A patent/CN114295790B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0624108D0 (en) * | 2006-12-02 | 2007-01-10 | Schlumberger Holdings | System and method for qualitative and quantitative analysis of gaseous components of multiphase hydrocarbon mixtures |
CN101413804A (zh) * | 2008-11-28 | 2009-04-22 | 天津大学 | 动态整合多种搜寻策略的气体泄漏源搜寻方法 |
CN103630698A (zh) * | 2013-12-03 | 2014-03-12 | 杭州协正信息技术有限公司 | 一种模仿动物嗅觉器官结构的立体电子鼻 |
CN104007763A (zh) * | 2014-06-13 | 2014-08-27 | 重庆大学 | 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法 |
Non-Patent Citations (3)
Title |
---|
H. ISHIDA 等: "Study of autonomous mobile sensing system for localization of odor source using gas sensors and anemometric sensors", 《SENSORS AND ACTUATORS A》 * |
张涵羽 等: "移动式电子鼻平台的设计与实现", 《移动式电子鼻平台的设计与实现》 * |
胡兰子 等: "传感器技术在机器人上的应用研究", 《软件》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114295790B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Caruso et al. | Microsoft Kinect V2 vision system in a manufacturing application | |
Ismail et al. | Obstacle-avoiding robot with IR and PIR motion sensors | |
US5416321A (en) | Integrated apparatus for mapping and characterizing the chemical composition of surfaces | |
Hrabar | 3D path planning and stereo-based obstacle avoidance for rotorcraft UAVs | |
EP2742393B1 (en) | Beam directed motion control system | |
Yuan et al. | Target detection, positioning and tracking using new UAV gas sensor systems: Simulation and analysis | |
Liu et al. | An external parameter calibration method for multiple cameras based on laser rangefinder | |
Singh et al. | Comparative analysis of range sensors for the robust autonomous navigation–a review | |
CN106052492A (zh) | 多线激光交汇编码式目标位置测试装置及测试方法 | |
Neumann et al. | From insects to micro air vehicles—A comparison of reactive plume tracking strategies | |
CN114295790B (zh) | 一种高分辨差分自寻的智能仿生鼻***及其工作方法 | |
Kochi et al. | Introduction of all-around 3D modeling methods for investigation of plants | |
CN104075710B (zh) | 一种基于航迹预测的机动扩展目标轴向姿态实时估计方法 | |
Bhanu et al. | Inertial navigation sensor integrated motion analysis for obstacle detection | |
CN206146895U (zh) | 一种可燃气体泄漏源无线巡检*** | |
Yuan et al. | Design and testing of a crop growth sensor aboard a fixed-wing unmanned aerial vehicle | |
CN111221053B (zh) | 一种自动搜救定位***、装置及定位方法 | |
Baratoff et al. | Combined space-variant maps for optical-flow-based navigation | |
Sansone et al. | Low-cost relative navigation sensors for miniature spacecraft and drones | |
EP3312576A1 (en) | A photodetector compensating circuit | |
Shi et al. | Low-cost map building and obstacle avoidance of miniature reconnaissance robot | |
Lin et al. | Circle detection and location based on binocular stereo vision | |
Akai et al. | Teaching-Playback Navigation Without a Consistent Map | |
Giannoccaro et al. | Processing of LiDAR and IMU data for target detection and odometry of a mobile robot | |
Tarulescu et al. | Measurement methods for the path deviation of mobile robots |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |