一种基于移动机器人的室内多源环境健康指数监测评估方法
技术领域
本发明涉及一种健康指数监测评估方法，尤其是一种基于移动监测的室内多源环境健康指数评估方法，属于环境监测和电子信息技术领域。
背景技术
现如今人们长时间呆在室内生活和工作，由于各种原因，室内环境充斥着细菌、甲醛、苯、氨、放射性氡等许多有害物质污染源，一旦这些有害物质的浓度超标，将会对人的生命健康造成不可逆的伤害，所以室内环境质量愈发受到人们的重视。对室内环境质量进行监测评估可以了解室内有害物质的浓度和范围，及时的采取消毒、通风等措施，保障人们的健康，同时可以根据监测的温度、湿度等参数对建筑的通风、空调等系统进行控制，提高人们生活、工作的舒适度和节约能耗。
现有的室内环境监测方法主要是在室内安装固定的传感器，对环境特征进行连续监测。但是室内环境复杂多变，空间环境参数分布不均匀，传感器只对几分米范围内的区域敏感，固定监测的分辨率和灵敏度都依赖于安装的节点数量和密度，所以依赖于传感器分布的低粒度固定监测很难对室内环境进行全面的监测。同时对多个固定的传感器节点提供有线电源或其他基础设施也比较困难，会导致固定监测的建设和维护成本较高。现有的室内环境评估方法主要是参考《环境空气质量标准》分级计算，该空气质量评价的主要污染物为细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)、臭氧(O3)、一氧化碳(CO)六项，该评价方法会导致参照污染物种类固定，不灵活。
发明内容
本发明所要解决的技术问题是为解决传统室内固定节点监测分辨率低、灵活性差、成本高，评估方法污染物种类固定，不灵活等问题，提出一种基于移动机器人的室内多源环境健康指数监测评估方法。
本发明为解决上述技术问题采用以下技术方案：
一种基于移动监测的室内多源环境健康指数评估方法，包括获取多源环境参数、多源数据处理和环境健康指数综合评估三个阶段；其中获取多源环境参数阶段是利用移动机器人控制模块控制机器人按指定的路径移动，通过环境监测模组和定位模块记录移动机器人到达的每个点的位置和该位置的环境特征；多源数据处理阶段是利用数据处理模块对多源环境参数进行融合、滤波、插值和可视化；环境健康指数综合评估阶段是使用模糊逻辑评估算法对滤波和插值后的多源空气数据进行评估；
具体步骤如下：
步骤1，获取多源环境参数:获取多源环境参数过程包括通过控制模块控制机器人按照指定的路径移动；使用多合一环境监测传感模组进行环境特征参数监测；室内定位模块使用激光雷达采集位置参数；
步骤2，多源数据处理:数据处理模块将从环境监测模组和定位模块得到的多源环境参数、位置坐标和时间戳进行融合；对原始数据进行平滑和卡尔曼滤波处理以减小测量误差，再对数据进行插值并且可视化；
步骤3，环境健康指数综合评估:环境评估模块从数据处理模块分别得到滤波和插值后的数据，分别计算出各种污染物的隶属度函数,对数据进行模糊化处理；设定模糊逻辑决策规则，根据规则进行运算，采用最小法则得到输出；对模糊集合进行去模糊化处理，得到环境健康指数。
作为本发明一种基于移动机器人的室内多源环境健康指数监测评估方法的进一步优选方案，所述步骤1具体如下；
步骤1.1，控制模块控制机器人按照指定的路径移动为移动机器人规划好行走的路径，输入到控制模块，移动机器人将会按照规划好的轨迹在室内进行移动；
步骤1.2，多合一环境监测传感模组进行环境特征参数监测：将CO2、温湿度、颗粒物、可挥发性有机物、甲醛和细菌等传感器模块集成于一个传感模组；
步骤1.3，室内定位模块使用激光雷达采集位置参数：先让移动机器人搭载激光雷达扫描出室内地图，当移动机器人按规定的轨迹在室内移动时，利用激光雷达可以得到机器人到达的每个点的位置；将接收到的从目标反射回来的信号与发射信号进行比较, 作适当处理后,获得目标的有关信息,包含目标距离、方位、高度、速度、姿态、甚至形状等参数,从而对等目标进行探测、跟踪和识别。
作为本发明一种基于移动机器人的室内多源环境健康指数监测评估方法的进一步优选方案，所述步骤2具体如下：
步骤2.1，数据处理模块将从环境监测模组和定位模块得到的多源环境参数、位置坐标和时间戳进行融合；
步骤2.2，对数据进行平滑和卡尔曼滤波处理：
步骤2.3，对数据进行插值：采用加权K近邻插值算法对室内移动传感没有涉及的区域进行插值，其具体公式为：
其中，cij表示污染物i在K个已监测点中第j个的点的浓度，i为SO2、NO2、PM10 及PM2.5,Dij表示污染物i在K个已监测点中第j个的点到未检测点的距离；
步骤2.4，将数据进行可视化，具体步骤为：根据每个时间对应的参数测量参数画出各种监测物浓度随时间的变化图，当移动机器人在室内移动时可根据激光雷达获得移动机器人的位置，每个位置都可以和当时的环境参数相对应，待监测区域经过插值算法插值后，室内每个位置都有对应的环境参数，画出环境监测数据的空间分布热图，颜色越红表示污染物浓度越高，颜色越蓝表示污染物浓度越低，直观的看出污染源的大致位置和污染源区域的面积大小。
作为本发明一种基于移动机器人的室内多源环境健康指数监测评估方法的进一步优选方案，在步骤3中，采用模糊逻辑评估算法对多源空气数据进行评估，
具体步骤如下：
步骤3.1，环境评估模块从数据处理模块分别得到滤波和插值后的数据，分别计算出各种污染物的隶属度函数,对数据进行模糊化处理；
步骤3.2，设定模糊逻辑决策规则，根据规则进行运算，采用最小法则得到输出，且输出结果在模糊逻辑中定义为Fire Strength(FS)；
步骤3.3，对模糊集合进行去模糊化处理，得到环境健康指数。
作为本发明一种基于移动机器人的室内多源环境健康指数监测评估方法的进一步优选方案，在步骤3.1中，选择三角隶属函数。
作为本发明一种基于移动机器人的室内多源环境健康指数监测评估方法的进一步优选方案，在步骤3.2中，输出由颗粒物、细菌数目、甲醛浓度和可挥发性有机物共同决策，当各种污染物都经过模糊化之后，采用最小法则得到输出。
作为本发明一种基于移动机器人的室内多源环境健康指数监测评估方法的进一步优选方案，所述步骤3.3具体如下，模糊逻辑通过模糊化将输入的数值转化成各个集合的隶属度之后，通过规则和运算得到若干个FS，采用加权平均判决法去模糊化来得到环境健康指数H；
其中，其中FS就是上一步输出的Fire Strength,wi是权重，权重通常是取每个类别污染物浓度集合的中间值。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明采用以上技术手段后可以获得以下优势：由于采用了本技术方案，本发明利用移动机器人控制模块控制机器人按指定的路径移动，通过环境监测模组和定位模块并记录移动机器人到达的每个点的位置和该位置的环境特征；利用数据处理模块对多源环境参数进行融合、滤波、插值和可视化；使用模糊逻辑评估算法对滤波和插值后的多源空气数据进行评估。与现有技术相比，本技术可以只使用一个监测节点进行环境监测，减少固定监测节点的数量和成本，并且可以对固定节点监测不到的区域进行监测，提高环境监测的粒度和灵活性；可以对环境健康指数进行更加综合、全面的评估。
附图说明
图1是基于移动机器人的多源环境质量监测评估方法流程图；
图2是移动监测系统架构图；
图3是加权K近邻算法流程图；
图4是颗粒物隶属度函数图。
具体实施方式：
下面结合附图对本发明的技术方案做进一步的详细说明：
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。图1为本发明所述基于移动机器人的多源环境质量监测评估方法流程图，图2为本实施例提供的一种移动监测系统架构图，图3为本实施例提供的一种加权K近邻算法流程图，图4为本实施例提供的一种颗粒物隶属度函数图。
一种基于移动监测的室内多源环境健康指数评估方法，包括获取多源环境参数、多源数据处理和环境健康指数综合评估三个阶段；其中获取多源环境参数阶段是利用移动机器人控制模块控制机器人按指定的路径移动，通过环境监测模组和定位模块记录移动机器人到达的每个点的位置和该位置的环境特征；多源数据处理阶段是利用数据处理模块对多源环境参数进行融合、滤波、插值和可视化；环境健康指数综合评估阶段是使用模糊逻辑评估算法对滤波和插值后的多源空气数据进行评估；
如图1所示，具体包括如下步骤：
(1)获取多源环境参数:其中获取多源环境参数过程包括通过控制模块控制机器人按照指定的路径移动；使用多合一环境监测传感模组进行环境特征参数监测；室内定位模块使用激光雷达采集位置参数；
(2)多源数据处理:数据处理模块将从环境监测模组和定位模块得到的多源环境参数、位置坐标和时间戳进行融合；对原始数据进行平滑和卡尔曼滤波处理以减小测量误差，再对数据进行插值并且可视化。
(3)环境健康指数综合评估:环境评估模块从数据处理模块分别得到滤波和插值后的数据，分别计算出各种污染物的隶属度函数,对数据进行模糊化处理；设定模糊逻辑决策规则，根据规则进行运算，采用最小法则得到输出；对模糊集合进行去模糊化处理，得到环境健康指数。
所述获取多源环境参数步骤如下：
a.控制模块控制机器人按照指定的路径移动
本实施例为移动机器人规划好行走S形的路径，输入到控制模块，移动机器人将会按照规划好的轨迹在室内进行移动。
b.多合一环境监测传感模组进行环境特征参数监测
本实施例将CO2、温湿度、颗粒物、可挥发性有机物、甲醛和细菌传感器模块集成于一个传感模组。在本方法中，传感模组主要作用是对环境参数进行监测。
可以理解的是，可通过将不同的传感器模块集成在一个模块组中，从而对室内环境的不同参数进行监测。其中环境监测的参数可以为物理性参数、化学性参数和生物性的参数。物理性参数包括室内的温度、相对湿度等，化学性参数包括CO2、颗粒物、可挥发性有机物、甲醛等，生物性参数主要为室内环境中一些细菌。传感器模块的种类可根据室内环境要监测的目的污染源种类进行调整。最后，传感器模组多种参数将以数字接口的形式统一输出。
c.室内定位模块使用激光雷达采集位置参数
本实施例先让移动机器人搭载激光雷达扫描出室内地图，然后让移动机器人按规定的轨迹在室内移动时，利用激光雷达可以得到机器人到达的每个点的位置。激光雷达，是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号,然后将接收到的从目标反射回来的信号与发射信号进行比较,作适当处理后, 就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数,从而对等目标进行探测、跟踪和识别。激光雷达传感器以其高灵敏度和高精度受到科研人员的青睐。本方法中，主要使用激光雷达来获取移动机器人的位置，其算法如下：在室内环境中，为了满足精度要求，同时考虑到计算机硬件的性能，可将open-air Gmapping 算法应用于移动系统的定位算法中。该算法基于RBPF(Rao-Blackwellized Particle Filter， Rao-Blackwellized Particle Filter，Rao-Blackwellized Particle Filter，Rao-Blackwellized Particle Filter，简称RBPF)，利用激光雷达数据和里程表数据，优化提出的分布，引入自适应重采样机制，大大减少了所需粒子数，提高了计算效率，满足部分实时需求。
RBPF-SLAM的核心思想是利用外部传感器(通常是激光雷达)的观测信息 z1:t＝z1,z2,...,zt和里程表信息u1:t＝u1,u2,...,ut-1来估计环境地图m和机器人轨迹的联合后验概率p(x1:t,m|z1:t,u1:t-1)，可以表示为这种形式：p(x1:t,m|z1:t,u1:t-1)＝p(m|x1:t,z1:t)p(x1:t,u1:t-1)。
RBPF-SLAM通常使用重要性抽样滤波器(SIR)来估计联合后验概率。该过程包括：采样、计算粒子权重、重采样和更新贴图。Doucet等学者在RBPF算法的基础上提出了一种改进的重要概率密度函数。改进的粒子权重方差最优分布为：
所述多源数据处理步骤如下：
a.数据处理模块将从环境监测模组和定位模块得到的多源环境参数、位置坐标和时间戳进行融合。如图2所示，本实施例中具体的融合数据结构为：
b.对数据进行平滑和卡尔曼滤波处理由于来自移动传感的数据在时间上具有高度的稀疏性，本实施例以CO2为例，采用一维卡尔曼滤波器在时间序列上对CO2监测数据进行降噪和平滑。其余数据与之类似，故不累述。对于线性模型和高斯模型，通过卡尔曼滤波器的递推可以解析求解。yt表示CO2 传感器在时间t的观测值，同时ct作为估算CO2值的状态。然后递归模型表示可以为状态转移模型和测量模型，状态转移模型为Ct＝ct-1+qt-1withqt-1～Nt-1(0,Qt-1)，测量模型为 yt＝ct+nt with nt～N(0,Rt)，其中Q,R分别为系统矩阵和测量矩阵；q和n是过程噪声和测量噪声的协方差矩阵。通过卡尔曼滤波可以解决一维CO2测量中线性模型的状态估计和高斯误差问题。
c.对数据进行插值,由于移动传感监测的数据在空间上具有高度的稀疏性，如图3所示，本实施例采用加权K近邻插值算法对室内移动传感没有涉及的区域进行插值，加权K近邻算法是通过选择离未检测点距离最近的K个已检测点，对这K个点的浓度进行加权平均作为已监测点的浓度，其中加权的系数是一个范围为0～1的欧式距离权重，与未检测点欧式距离越小，则对应的权重越大，反之，权重越小。加权K近邻的公式为：
其中cij表示污染物i在K个已监测点中第j个的点的浓度，i可以为SO2、NO2、PM10及PM2.5等，Dij表示污染物i在K个已监测点中第j个的点到未检测点的距离。
d.将数据进行可视化，根据每个时间对应的参数测量参数画出各种监测物浓度随时间的变化图，当移动机器人在室内移动时可根据激光雷达获得移动机器人的位置，每个位置都可以和当时的环境参数相对应，待监测区域经过插值算法插值后，室内每个位置都有对应的环境参数，画出环境监测数据的空间分布热图,可以更直观的看出污染源的大致位置和污染源区域的面积大小。
所述环境健康指数综合评估步骤如下：
a.环境评估模块从数据处理模块分别得到滤波和插值后的数据，分别计算出各种污染物的隶属度函数,对数据进行模糊化处理，本实施例选择三角隶属函数，因为三角形隶属函数其形状仅与它的直线斜率有关，运算较简单，如图4为颗粒物隶属度函数图，其他污染物与之类似，故不累述。
b.设定模糊逻辑决策规则，根据规则进行运算，采用最小法则得到输出，这些输出结果在模糊逻辑中定义为Fire Strength(FS)。在本实施例中输出由颗粒物、细菌数目、甲醛浓度、可挥发性有机物等共同决策。当各种污染物都经过模糊化之后，采用最小法则得到输出。如表一所示，可以构建模糊逻辑的决策规则，当污染物A和污染物B分别为A,B,C 时可以根据模糊逻辑规则得到对应的输出。模糊逻辑决策规则如表1所示；
表1
c.对模糊集合进行去模糊化处理，得到环境健康指数。模糊逻辑通过模糊化将输入的数值转化成各个集合的隶属度之后，再通过规则和运算得到若干个FS。本实施例采用加权平均判决法去模糊化来得到环境健康指数H。
其中，其中FS就是上一步输出的Fire Strength,wi是权重。权重通常是取每个类别污染物浓度集合的中间值。
上面结合附图对本发明的实施方式作了详细地说明，但是本发明并不局限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
