当机器人拥有嗅觉：仿生算法与电子鼻联手追踪危险气体泄漏源
- 发布时间：
- 2026-11-14
- 文章标题：
- 当机器人拥有嗅觉：仿生算法与电子鼻联手追踪危险气体泄漏源
- 摘要：
- 开篇：看不见的"气味侦探" 想象一下这样的场景：某化工厂突发气体泄漏，空气中弥漫着看不见、摸不着的危险气体。此时，消防员无法直接用肉眼判断泄漏点在哪里，也不清楚泄漏的是哪种气体——氨气？乙醇？还是其他有毒物质？ 面对这样的困境，传统的做法是消防人员携带便携式传感器进入现场逐一排查。但这种方式效率低、风险高，人命安全无法保障。 如果有一台机器人，它既能像飞蛾扑火一样循着气味找到源头，又能闻一闻就知道这是哪种气体——这听起来是不是很像科幻电影？ 实际上，来自西安交通大学的马登龙团队已经把这一设想变成了现实。他们研发了一款搭载"人工嗅觉系统"的移动机器人，融合了两种仿生搜索算法的优势，实现了80%的成功定位率和99%的气体识别准确率。这项研究于2022年发表在机器人领域知名期刊Robotica上。
- 内容：
一、灵感来源：大自然是最好的老师
研究团队从两种生物的觅食行为中获得了灵感：
蚕蛾算法（Silkworm Algorithm）
雄性蚕蛾能够追踪雌蛾释放的性信息素，准确找到配偶。它的策略是：在横风方向不断摆动，幅度逐渐增大；一旦检测到气味（信息素），就逆风前进一步，然后继续横风摆动。这样一步步逼近气味源。
蜣螂算法（Zigzag Algorithm / Dung Beetle）
蜣螂（俗称"屎壳郎"）寻找食物时，会以之字形路径在气味烟羽的边界之间来回穿梭。具体来说，它沿一定角度前进，一旦进入气味区域就继续前进，一旦离开气味区域就反向偏转，从而不断向源头靠近。
这两类算法各有特点：蚕蛾算法定位精度较高但搜索覆盖范围小、失败率高；蜣螂算法覆盖面大但定位精度稍差、在大气不稳定时容易失败。
二、创新方案：Zigzag-Silkworm 融合算法
研究团队没有简单选择其中一种，而是创造性地将两种算法的优点融合，提出了zigzag-Silkworm（之字形-蚕蛾）融合算法：
保留蚕蛾算法
的"步进+摆动"搜索策略引入蜣螂算法
的"回溯搜索"策略- 摆动角度从蚕蛾的90度横风方向调整为30-60度的斜向摆动，兼顾搜索覆盖和前进步幅
- 以逐渐增大振幅的之字形方式沿上风方向推进
- 采用多重终止准则（最大浓度、最大浓度梯度、连续检测次数等）精准判断到达源头
实验证明，这种融合策略效果显著：在10x20米的户外搜索空间中，定位误差保持在0.5米以内，成功率从单独使用蚕蛾算法的60%、蜣螂算法的50%，提升到了 80% ，搜索效率参数也从约2.58降至 2.17 。
三、"电子鼻"登场：人工嗅觉系统（AOS）
找到泄漏点只是第一步——我们还需要知道泄漏的是什么气体。传统气体传感器（如金属氧化物半导体传感器）有一个致命弱点：交叉响应——对多种气体都会产生反应，难以区分。
研究团队为此设计了人工嗅觉系统（Artificial Olfactory System, AOS），其核心思路是模仿动物的嗅觉原理：
传感器阵列（"嗅觉受体"）
：使用3种不同响应特性的气体传感器
MQ-3 乙醇传感器
MQ-5 可燃气体传感器
FIGARO_TGS831 烷烃气体传感器模式识别算法（"大脑分析"）
：使用支持向量机（SVM）对传感器阵列的多维数据进行分类训练过程
：在实验室中先用乙醇、氨气和正戊烷进行训练，训练/测试比例为5:1
在实验室条件下，AOS对三种气体的分类准确率达到100%。更重要的是，将AOS装载到移动机器人上后，在户外实际追踪实验中，对氨气和乙醇的识别准确率依然达到了99.02%。
四、实战检验：户外实验与性能对比
实验条件
研究团队在西安交通大学校园的户外开阔场地（10x20米）进行了多轮实验：用高压雾化器释放乙醇-水混合物（1:4）模拟泄漏；在夜间20:00-23:00进行，此时大气条件相对稳定；风速小于4 m/s，主导风向为北风和西风；每种算法进行10次重复实验。
三种算法的对比
算法 成功率 平均定位误差 搜索效率 (L/L0) 蚕蛾算法 60% 最低 约2.58 蜣螂算法 50% 最高 约2.66 zigzag-Silkworm 80% 略高于蚕蛾 约2.17 从对比可以看出，zigzag-Silkworm融合算法在成功率和搜索效率两个维度上都明显优于两种单独的仿生算法，虽然定位精度略逊于蚕蛾算法，但综合表现最佳。
机器学习模型对比
研究团队还对比了多种机器学习算法在气体识别中的表现，包括KNN、SVM、ANN、LDA等。结果表明，SVM（多项式核函数）在预测精度、训练速度和模型复杂度的综合考量下表现最优。
五、创新点与实际应用前景
核心创新
首次融合两种仿生算法
：将蚕蛾算法和蜣螂算法的优势互补，提出zigzag-Silkworm融合算法定量化对比评估
：通过大量户外实验，首次对不同仿生算法进行系统的定量比较仿生追踪+气体识别一体化
：将仿生搜索算法与人工嗅觉系统整合到同一移动平台上户外真实环境验证
：搜索空间达到20米，优于此前多数研究的室内或小规模场地实验
应用前景
- 加油站、化工园区等场所的日常巡检
- 油气管道泄漏的快速定位与成分识别
- 消防救援中的危险气体泄漏侦查，保障救援人员安全
- 储罐区的安全监测与预警
图5：典型应用场景—化工巡检、加油站监测、消防救援、储罐区预警
六、未来展望
当然，这项研究也有其局限性。目前的搜索距离仅约20米，在长距离、大气条件极不稳定的情况下，仿生算法仍可能失效。未来的研究方向包括：
- 扩展到更长距离的搜索场景（如数千米级别）
- 引入无人机（UAV）平台，实现三维空间中的气体泄漏监测
- 结合多机器人协同，提高大规模搜索效率和鲁棒性
- 开发更智能化的路径规划算法，适应更复杂的大气环境
总而言之，当机器人学会了"闻"和"找"，危险气体泄漏将不再难以捉摸。这项研究为化工安全、消防救援、环境监测等领域提供了一个令人期待的技术方案。
参考文献：Ma D, Mao W, Tan W, Gao J, Zhang Z, Xie Y. Emission Source Tracing Based on Bionic Algorithm Mobile Sensors with Artificial Olfactory System. Robotica, 2022, 40(4): 976-996.
DOI: 10.1017/S0263574721000904