基于移动机器人的气体源定位技术(或主动嗅觉技术)的研究始于二十世纪九十年代。随着科学技术不断进步,移动机器人技术和气体传感器技术等也不断发展,主动嗅觉也从单机器人工作模式发展到多机器人协作模式,可以完成越来越复杂的任务,大大提高工作效率。本文主要研究基于条件信息熵的多机器人气体源定位,采用分布式多机器人结构和基于信息梯度搜索(即信息趋向性)的策略来估计气体源位置,具体的工作内容如下:首先,按照实际需求完成移动机器人实验平台的搭建并进行模块化、结构化的软硬件系统总体设计和布局,具体包括:各种传感器的选型和配置、硬件布局、底层运动控制系统设计、上层主程序设计以及自适应令牌环网设计等。其次,针对金属氧化物气体传感器具有线性滞后的问题,提出一种提高其感知气体速度的方法:建立金属氧化物气体传感器一阶线性惯性延时数学模型,采用双传感器M序列实验和?模型方法求出气体传感器的实用时间常数,再由测量值导出重构值,利用重构值代替测量值。该方法通过实验验证了其有效性,为提高多机器人气体源定位的工作效率打下良好基础。再次,本文提出了基于条件信息熵梯度搜索的方法并建立了相应的数学模型。该方法是一种分布式算法,该算法通过分布式粒子滤波估计气体源的位置,通过气体源位置和测量值之间的条件信息熵梯度驱动机器人运动。单个机器人使用分布式粒子滤波的方法对气体源位置进行估计,并计算条件信息熵,进而得到条件信息熵梯度。定位过程中,单个机器人对气体浓度进行测量并二值化,利用气味包回推方法得到气体源位置的分布,并发布分布函数参数和自身位置信息,同时在一个控制周期内接收其他机器人发布的分布函数参数和位置信息;根据得到的信息,对分布函数进行过滤,得到简化的联合分布,使用该联合分布对粒子进行更新,并计算得到估计的气体源位置和条件信息熵,当粒子收敛半径和条件信息熵值长时间低于设置的阈值,算法停止,获得最终估计的气体源位置。通过在平坦无障碍环境中实验以及和单机器人气体源定位实验做对比证明了该方法的有效性和优越性。最后,本文对基于条件信息熵的多机器人气体源定位方法进行了工作总结与展望,旨在通过本文提出的方法,为后期研究多机器人气体源定位提供一种思路。