气味跟踪在自然界中普遍存在着。许多生物利用气味来躲避入侵者、进行交流、发现同类、搜索食物等。受到生物气味跟踪的启发，自二十世纪九十年代，一些学者开始使用机器人来完成气味跟踪的任务。极值搜索控制算法是一种针对动态系统的非模型的实时最优化方法。在机器人气味跟踪中，通常已知的系统信息很少，仅知系统存在一个局部极值。本文通过设计基于扰动的嗅觉极值搜索控制器，使机器人在时变的气味/气体浓度场中，只利用气体传感器的测量值搜索浓度的极大值点。围绕着机器人气味源极值搜索控制问题，具体展开了以下几方面的研究工作：1.总结了气味跟踪和极值搜索算法的国内外研究现状，并对气味跟踪面临的问题做了详细地阐述。介绍了四类极值搜索算法，总结了四类极值搜索算法的特点。介绍了极值搜索算法收敛性证明的理论基础：均值理论和奇异值扰动理论。2.详细阐述了本论文中用到的四种时变浓度场：二次对称解析浓度场、标准高斯浓度场、非对称高斯浓度场、数值浓度场。在四种时变浓度场下，通过调整机器人线速度、保持其角速度恒定的控制策略实现浓度的极值搜索。在对称二次解析浓度场中用均值理论证明了所提嗅觉极值搜索算法的收敛性。3.介绍了单机器人极值搜索控制算法的框架图，在二次对称解析浓度场、非对称高斯浓度场中，分别进行了MATLAB仿真。二次对称解析浓度场、非对称高斯浓度场分别近似对应地下和风速/风向较恒定的空气中的气味/气体扩散模型。通过仿真发现，机器人运动轨迹收敛区域的大小与扰动信号的幅值成正比、与频率成反比，且改变机器人的初始位置不影响机器人搜索的收敛性。4.介绍了气味/气体烟羽数值模拟平台及机器人实验平台，数值浓度场仿真结果及基于机器人实验平台在人工风洞的初步实验结果均表明,所用极值搜索算法可用于机器人气味跟踪。数值浓度场可近似模拟室内通风环境下的气味/气体扩散。5.介绍了多机器人系统相对于单机器人系统的优势及特点，给出了多机器人极值搜索控制算法的框架图。通过一维环境及二维环境下的MATLAB仿真表明了，多机器人极值搜索控制算法应用到气味跟踪中在速度和效率方面相比单机器人存在优越性。