气体泄漏源搜寻是借助仪器设备或其他方式搜寻有毒、有害气体的泄漏位置,避免因长时间泄漏而造成大面积的污染破坏,把经济损失减小至最低。对于气体源的搜索和定位研究,许多学者都提出了各自的策略和方法,极大地促进了有害气体泄漏源搜寻研究的进展。随着移动机器人的智能化不断加深,有望在不久将来完全代替人工作业,更高效地完成气体源搜寻的任务。本文主要是将多源信息融合的思想应用于气体泄漏源的搜寻研究。在总结过去学者的研究经验的基础上,利用融合算法的优势,搜寻过程可以通过多途径、多层次的方式全方位判断泄漏源的位置和流量等信息。本文重点开展了以下几个方面的研究工作。首先,详细介绍比较常用的几种气体扩散模型。在经过大规模气体扩散模拟试验的基础上,已存在各种各样的气体扩散模型。但是,许多扩散模型需要大量的计算或者需要使用运算量较大的软件模拟,可能不适合应用于气体源的搜寻研究。本文通过总结各学者的研究经验,详细介绍一些比较常用的气体扩散模型,并按照各自模型的使用范围进行分类。文中还给出气体扩散模型的方程表达式,最后通过Matlab仿真,模拟在特定情况下某气体在大气中的扩散浓度分布。其次,提出一种基于模糊控制的气体扩散模型选择的方法,可应用于有害气体泄漏源的发现和搜寻。利用模糊控制原理的优点,再优化常见的气体扩散模型,本文设计出一个气体扩散模型选择的模糊推理系统,系统可根据对环境的测量数据推理出适合于特定环境条件下的气体扩散模型。最后,使用Matlab中的模糊控制工具箱(Fuzzy)对模糊推理系统进行仿真实验。结果表明,不同气体在不同环境条件下的气体扩散模型能够适当地通过模糊推理得到,证明该方法具备可行性。再次,介绍多源信息融合技术及常用的几种融合算法。随着传感器的多样化发展和数据信号的信息提取要求加深,信息融合技术必然将不断地探索和改善,来提高整个传感器系统的高效性。针对各领域的信息融合技术,本文选用一些能够应用于气体源搜寻的融合算法,加强移动机器人对传感器所获取的数据信息的利用率,最后,采用比较简单的实验数据验证算法的有效性。最后,将多源信息融合算法应用于移动机器人的有害气体泄漏源搜寻实验。区别于传统搜寻方式,用视觉传感器和嗅觉传感器共同获取环境信息,其中嗅觉传感器采用多气体传感器代替单气体传感器以提高测量的可靠性,测量位置也由单点向多点转变,并选用合适的算法分别实现各级数据的融合,最终决策移动机器人的搜寻方向。算法应用方面,加权平均法用于融合同类气体传感器的数据,可减少噪声和仪器故障的影响;最小二乘法可最优估计未知参数,用于反求泄漏源信息,可初步估计泄漏源的位置和流量;概率赋值方式可容纳多种信息途径共同判断泄漏源,更合理地确定搜寻目标。