论文题目：六足机器人协同无人机特殊环境大气污染预测
摘要：自西方列强工业革命以来,大量工业水平飞速发展,人类的行为逐渐对大自然造成了较大影响,大气环境的常规指标如温度、湿度、PM2.5及空气中氮硫氧化物的浓度直接反映了某地区空气质量及污染程度,特别是在复杂非结构环境,如核爆现场、高海拔山区、荒漠、湿地及戈壁等不平路面,常规现有监测方法难以实现此等区域的污染物浓度采集及预测。对此类地区的大气污染物浓度采集及状态预测成为了环保领域的研究热点。本文针对非结构复杂特殊环境大气污染物实时采集及状态预测,提出了一种基于六足机器人和无人机协同作业系统,该系统兼具无人机制高能力强、行动灵活及采集域广的优点和六足机器人于非结构路面行走的适应性强及多自由度、高灵活性的特性。后续建立基于Xgboost与随机森林的环境污染预测模型,对采集污染指标浓度进行预测并进行模型性能比较,本文具体研究目标如下:（1）建立六足机器人行走分析系统。六足机器人本体具备自主移动、传感检测、环境识别等功能。通过搭载上位机数据处理平台,对采集的大气污染物指标进行数据清洗及预处理,后续综合各指标浓度及环境特征信息对该地区大气污染状况进行预测。（2）建立无人机数据采集系统。采用兼备灵活、稳定、可载重等优点的六旋翼小型无人机作为承载平台,承载嵌入式微控制器及各类环境污染指标采集传感器,如温湿度传感器、PM2.5传感器、氮硫氧化物传感器等,可实现某地区的大气污染指标浓度采样及数据分类。（3）搭建六足机器人与无人机的实时多机无线通信系统,采用改进的PSO算法,通过无人机与六足机器人各自对环境适应的感知及信息采集,建立环境适应度信息共享通道,并实时分享各机器人自身的环境适应度,使得整个多机系统向最优位置及速度调整,无人机采集的大气污染指标浓度通过无线通讯系统传输给地面六足机器人上位机系统,确保无人机和六足机器人在复杂非结构环境中能保持最优行进速度和路径。（4）在得到大气污染物指标浓度及环境特征因素后,设计一种基于数据驱动的Xgboost和随机森林的污染状况预测方法。该方法在面对多维特征向量及稀疏特征输入时,有较大抗干扰能力。具备综合各大气环境污染指标后对地区污染状况进行准确预测的能力。通过对比随机森林及Xgboost算法的预测结果,可得出在大气污染预测领域效果更佳的算法。经实际测试和实际数据进行对比后发现,预测精度和准确度仍存在较大提升空间,这和特征工程建立及模型参数优化有关,后续将对此进行改进。
关键词：污染物;特殊非结构环境;六足机器人;无人机;随机森林;Xgboost;PSO
学科专业：机械工程
摘要
abstract
1 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.1.3 大气污染状况预测方法概述
1.2 国内外空气污染监测研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究内容
1.4 论文结构及研究思路
2 大气污染指标及预测算法描述
2.1 大气污染程度表征
2.1.1 常规大气污染指标及测量
2.1.2 空气污染指数
2.2 Xgboost算法介绍
2.2.1 算法目标函数
2.2.2 Xgboost算法提升推导
2.2.3 过拟合防护
2.3 随机森林算法介绍
2.4 本章小结
3 六足机器人及无人机协同系统
3.1 系统硬件设计
3.1.1 六足机器人平台
3.1.2 无人机数据采集系统
3.1.3 无线数据传输系统及GFSK调制
3.2 系统软件设计
3.2.1 数据采集及通信系统
3.2.2 上位机数据分析及显示储存系统
3.3 六足机器人协同无人机路径规划
3.3.1 PSO粒子群算法
3.3.2 六足机器人与无人机协同模型
3.3.3 六足机器人与无人机协同路径规划
3.4 本章小结
4 大气污染指标数据分析及特征工程建立
4.1 探索性数据分析
4.1.1 探索性数据分析特点
4.1.2 探索性数据分析方法概述
4.2 大气污染及常规指标数据分析
4.2.1 特征描述
4.2.2 数据分析可视化
4.3 特征工程
4.3.1 特征提取
4.4 大气污染状况特征工程实现
4.5 本章小结
5 大气污染物数据采集及预测模型参数优化实验
5.1 六足机器人协同无人机数据采集实验
5.2 预测模型实验条件及评估标准
5.2.1 实验条件
5.2.2 评价标准
5.3 Xgboost模型参数及优化
5.3.1 基于Xgboost的大气污染状况模型参数调优
5.3.2 参数调优及训练结果
5.4 随机森林模型参数及优化
5.5 Xgboost和随机森林预测结果比较
5.6 本章小结
6 总结与展望
1 总结
2 展望
致谢
参考文献
