近年来,随着工业的发展,以加压储罐形式存储的较强毒性物质在运输过程中泄漏事故频发。因此,提高气体的检测精度和制定有效的搜寻策略具有重要的现实意义。本文基于气体传感器阵列对移动嗅觉机器人的味源搜寻进行了研究。主要研究内容如下:在分析人工嗅觉系统和嗅觉机器人国内外研究现状的基础上,基于人工嗅觉系统设计气体传感器阵列模块,利用其固有的交叉敏感特性,与待测气体建立一一对应的响应模式;以机械系统为基础,设计硬件电路,搭载多种传感器向核心芯片发送信号进行综合处理,从而控制移动机器人实现味源搜寻。分析定量识别算法,提出基于布谷鸟算法和模拟退火算法相结合的改进BP算法;采用智能算法测试函数对比分析不同算法的测试结果,证明改进算法降低了BP网络对初始权值和阈值的依赖性,克服了陷入局部最优解的缺点;利用MATLAB软件设计气体检测系统获取检测到的气体浓度信息,绘制浓度变化曲线。设计实验方案、搭建实验平台,对实验获取的传感器电压和气体浓度信息进行归一化处理,以满足神经网络的输入输出要求;利用神经网络对随机选取的实验数据进行浓度预测,定义评定指标,分析比较预测结果,判定两组神经网络均适用;将神经网络移植到嵌入式芯片中,进而利用固化到其中的神经网络实现对气体浓度的定量识别。设计搜寻算法和制定搜寻策略,针对烟羽模型已知和未知两种情况进行实验验证。烟羽模型已知情况下,选定高斯烟羽模型作为烟羽扩散模型,采用不同的初始角度,根据不同的浓度阈值划分不同阶段进行不同步长和转向角度搜索,仿真结果表明:在初始的Z字形搜索阶段采用45o初始角,使用步数更少,搜寻速度更快且找寻到浓度最大点的位置更准确;烟羽模型未知情况下,制定搜寻策略,设计硬件驱动程序,利用MATLAB软件设计的上位机界面接收检测到的气体浓度信息,绘制浓度变化曲线,结果表明:移动机器人检测到的气体浓度整体趋势逐渐增大,搜索结束后浓度达到最大值。