TELKOM NIKA Indonesia n  Journal of  Electrical En gineering   Vol.12, No.7, July 201 4, pp . 5331 ~ 53 4 1   DOI: 10.115 9 1 /telkomni ka. v 12i7.519 9          5331     Re cei v ed  No vem ber 2 4 , 2013; Re vi sed  March 21, 20 14; Accepted  April 6, 2014   A Virtual Physics-based  Approach to Multiple Odor  Sources Localization       Xiaoping Ma 1 , Yuli Zhang* 1,2 , Yanz i Mi ao 1   1 School of Infor m ation a nd El e c trical Eng i ne e r ing, Ch ina U n i v ersit y  of Min i n g  and T e chno l o g y ,   X u zh ou , C h in a   2 School of Scie nce, Dal i an Ji a o T ong Univers i t y ,   Dali an, Ch ina   * Corresp on din g  author, e-mai l : zhang yu li 10 21 @hotmai l .com       A b st r a ct   T he detecti on  of an o dor so urce l o catio n   has b een  en h ance d  by us in g multi p le  plu m e-trac in g   mo bil e  r obots.  So far,  ma ny  researc hers fo cus o n  l o catin g  a s i n g le  sou r ce in  vari ed  e n viro nments. T h e   prese n t study i s  concer ne d w i th the  pro b le m  of multi p le  che m ic al so urc e s loc a li z a t i o n  usin g  mu lti-ro bo t   system. In  this  study,  mu ltipl e  gr oups  of r o bots w e re  use d   a nd  c oor din a ted by a mu lti-robot   coo per ati o n   strategy with virtual physics force,  which includes structur e  form ation forc e, goal forc e, repulsion forc e and  rotary force. In order to test the effectiven ess  of  the propos e d  strategy, plu m e  mo de l w i th tw o sources was  constructed  by  computati on fl uid dy na mics simulati ons . Si mu lati on ex per iment disc usse d the infl ue nce  of   the vari ed fre que ncies  of w i nd d i rectio n/ s pee d a nd  me t han e rel eas e  w i th different i n itial  pos itio ns of   mu ltipl e  gro ups  to the search perfor m a n ce. Simulati on co mp ariso n  exp e r iments usi ng three ki nds of pl u m e   tracing a l gor ithms: ch e m ota x is, ane motax i s and flux ota x is w e re carried out res p e c tively an d th e   compar ative re sult abo ut thre e plu m e  tracin g alg o rith ms w a s illustr a ted.      Ke y w ords : virtual p h ysics for c e, plu m e traci ng, source l o ca li z a tio n , mobi le  robot       Copy right  ©  2014 In stitu t e o f  Ad van ced  En g i n eerin g and  Scien ce. All  rig h t s reser ve d .       1. Introduc tion  The recent i n crea sing th reat  of ha za rdou s chemi c al age nts tha t  are relea s e d  into an  environ ment has highlig hted  the  ne ed for  su pe rior   detectio n  of hazard o u s  e m issi on  sou r ce s.  Odor source  l o cali zatio n  u s ing plu m e-t r a c ing  ro bots  h a s th e pote n tial to dete c t  such  dan ge ro us   odor relea s e d  from   sou r ces  su ch  a s   e x plosive s ,  toxic o r   harmful  gas an d fire.  Haye s et  al. [ 1 ]  bro k e do wn o dor so urce  l o cali zation  i n to   three   subta s ks:  plume  fin d ing-co ming i n to conta c t with   the odor, pl ume traversal-follo wing t he odo r pl u m e to its so urce and  so urce de clarat ion - determi ning f r om od or a c quisitio n  ch aracteri stics  th at the sou r ce  is in the im mediate vici n i ty.  Many ob sta c l e s h a ve hi nd ered  od or  so urce lo cali zat i on in th e pa st two  de cad e s. Su ch a s  t he  unsta ble  win d  in  the  natu r al  enviro n m ent, the  dete c tion  of the  o dor an d the   wind  with  mo bile  robot s. In thi s  p ape r, the  experim ents  were  se tup  o n  the a s sum p tion of a  st rong  and  co n s tant  velocity but varying di re ctional ai rflow i n  t he enviro n m ent. Mean while, the rob o t s can  dete c t the   odor a nd the  wind p r e c isel y.    So far, many  plume - tra c ing  resea r ch ha s focu sed o n  l o catin g  a si n g le source  an d many  strategi es a nd method s have been  desig ned,  su ch  a s  gra d ient-follo win g -ba s e d  stra tegy  (ch e motaxi s)  [2, 3], combin ation of chem otaxis  and a n e motaxis [4, 5], infotaxis [6], evolutiona ry  approa ch [7] ,  model -ba s ed  strategy  [8, 9], mu ltiple robot s  coope ration  b a se d o n   swarm   intelligen ce [ 10, 11], virtual physi cs  based st rate gy [12-14],  and st rategy  fusing visi on   informatio n [1 5]. While  ma ny of the s e  al gorithm s   wo uld  li kely   su cceed   in   fin d ing   on e   so urce   even in a mul t i-sou r ce envi r onm ent, they offer no guid ance on  ho w to partition the robot s du rin g   a se arch to   ensure  that  all so urce s a r e lo cate d in  minimal tim e , how to av oid ob sta c le s and  other robot s durin g  glo bal sea r ch,  and how  to contin ue  se archin g   for  other   source s  on ce   a   sou r ce ha s b een foun d, and ho w to avoid re-fin din g  the sam e  sou r ce. In this problem, the   intensity of e a ch  so urce m a y vary with time  and th e  positio n of the so urce may  be o cclu ded  by  obsta cle s   o r  other robot s.   The  ab ove-mentione d  m u lti-so urce p r oblem involv es a va riety o f   distin ct chall e nge s that have received little a ttention in the singl e so urce literatu r e .     Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 7, July 201 4:  5331 – 53 41   5332 This  pap er  discu s ses an  extensi on  o f  our  ea rlier wo rk on  m u ltiple o dor  sou r ces  locali zation  u s ing  virtual  physi cs ba se d ro bots,  pu blish ed  re ce ntly in Adva nce d  Mate ria l s  Re sea r ch [16 ], which had  discu s sed a new ap proa ch base d  virtual physics for coordinatin g two  grou ps of m obile  rob o ts i n  the  sea r chi ng  of two m e thane  so urces in  op en e n vironm ent. The   results tol d  u s  that th e  swarm b ehavi o r u s e d  in  th e propo se d  approa ch  en sured th e ro bots   detect  all sou r ce s.  He re, we focu s  on th e detaile d a n a lysis   of th e  colla borative  control a nd gi ve   more  si mulat i on  comp ari s on exp e rim e nts o n   th ree   algo rithm s : chem otaxis, anemotaxi s  and  fluxotaxis at three diffe rent  frequen cie s   of wind  direct ion/ spee d a nd methan e relea s e with six  different initia l po sition s of  mult iple g r o u p s, a nd th e  result s  sho w  t hat the  propo sed  st rategy  can   effectively navigate the mobile ro botics swa r m s  to the ch emi c al  sou r ces  and  the com parative  result about three pl ume tracin g algo rith ms is illu strat ed.       2. Rese arch  Metho d   2.1. The Simulation Ar en as   The plu m e m odel ad opted  in this stu d y to test the co ntrol st rategi e s  was d e velo ped by  [17]. This pl u m e wa s  sim u lated u s in g  a co m putatio n fluid dyna mic (CF D )  software  pa ckage,  FLUE NT (Fl u ent, Inc.). Th e plume d a ta  prod uce d  by  Fluent CF D  were impo rte d  into MATAL AB  (Math w orks, Inc.) and   integrate d  with   simul a ted  mobile  ro bot s mo del fo r plumin g tra c ing  behavio r  sim u lation. T he  gas in thi s  pa per was meth ane  (CH 4 ).  T he  simulatio n  environme n t we   use d  in  the  pape r  (figure  5)  wa s  a 2 D  e n viro n m e n t of 20 m×2 0 m. The  po si tions  of meth ane   sou r ces were  (1, 1 1 ) and  (3, 9). T w o  so urces ha d th e same  rele a s e  rate s  whi c h were  50 0  kg   /m 3 -s. Varyin g airflow di re ction s  we re a dopted in stea d of the fixed  airflow direct ion; the varying  airflow  entere d  into the left-han d sid e  b ound ary of  the domain  at a con s tant 5 m /s velocity but  varied directi ons b e twee n  ±22.5º du rin g  the  simulat i on and exist ed from the right-han d si de  boun dary of t he dom ain. F r om figu re 5  we  can  see t hat, the plum es fro m  the t w o  sou r ces  a r e   conve r ge d together, which  make  the group ro bots  can not tell which  sou r ce the plume the y   detecte d co mes f r om. S o , one  odo r  sou r ce  can  b e  tra c ked by  more  than  o ne g r ou p. Th is is  pointle ss the  waste of time with two  group s fo r  only a singl e  sou r ce.  He nce, the del ay in  sea r ching th e next odor  can p o ssibly occur. Th e n e w propo se d  strategy wit h  forbidd en  area   setting shoul d cop e  with this di sadva n tage.     2.2. The Con t rol Algorith m s  The  strate gy ba sed  virtua l physi cs  we  have   propo sed  con s i s ts  of the foll owi ng th ree   parts: plu m e finding, plum e  traversal and  odor sou r ce decl a ratio n .    2.2.1. Plume  Finding  At the begin n ing, wh en the ro bot find s no  plu m e, the rob o t wo uld perfo rm  passive  monitori ng [1 8] to find plu m e, that is, the rob o t rem a ins  stationa ry and waits fo r an odo ur pl u m e  to interse c t the robot’ s  cu rre nt location . The mal e   si lkworm  moth  employ s this strate gy.   When  trying to dete c t the plume  of pheromon e relea s e d  by  the female si lkworm m o th, the male mo th   waits, he ad in to the wind in  an exposed  pos itio n, until it detects the  pheromo ne.     2.2.2. Plume  Trav ersal  To make se arching time  faster, we are usin g pa ral l el sea r ch by  two gro u p s ’  robot s.  Each g r o up h a s  six rob o ts  and a virtu a l  robot, an d  th en there is to tal twelve ro b o ts u s ed fo r t w o  odor sou r ce  locali zation. Each  g r oup runs  by  itself. Members of  each g r ou p  send an d take  informatio n a m ong th eir  group. If one  g r oup  foun d a nd lo cate  a source, the  group  woul d  stop   moving.    2.2.2.1. The Con t rol Algo rithms Ba se d Virtual Ph y s ics for ea ch  Group of  Ro bots   The control  a l gorithm s ba sed virtual phy sics  for e a ch  grou p of six robots d e velo ped by  [14] for  ro bot s a r e  ad opte d  in  this stu d y . The  cont rol  force i n cl ude s t w o  kin d s of  effort,  which  are  virtual stru ctu r e force  F ( VS ) (a cting o n  the six robots) and virtual g oal force  F ( VG ) (actin g on  the   virtual robot).   Virtual stru ctu r e force  F ( VS ) can b e  state d  as follo ws:   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Virtual Physics-ba sed A ppro a ch to Multip le Odo r  Source s Lo cali zation (Xi aopi ng Ma)  5333 6 22 2 2 1, 6 22 2 2 1, ( ) cos( ) ( )(( ) ( ) ) ( ) s i n( ) ( )(( ) ( ) ) ki x k r k i s kc kc k c ii k ki ki y k r k i s kc k c kc ii k ki qq F V S k k xx xx y y r d qq F V S k k yy x x yy r d                                  (1)    Whe r e  k r ,  k c    are po sitive  g a in,  q k  a nd  q i  are  the  K -th and  i -th el ect r ic  ch arges ( q k =  q i  =1 in t h is  pape r) ， a nd  d ki  is the  distan ce b e twee n the m , ( x k , y k ) i s  the po sition of rob o t  k .  ki i k ki ki i k ki d y y d x x ) sin( , ) cos( .  The force  def ined in  (1)  m a ke s the  rob o t  move towa rd the ci rcl e  with cente r  ( x c ,  y c ) a n d  radiu s   r  w h en ( x k ,  y k )  ≠  ( x c ,  y c ) an d form  a regul ar h e xagon.    We obtai ned  united vecto r  as follo ws:     (( ) , ( ) ) (( ) , ( ) ) (( ) , ( ) ) xk yk xk yk xk yk F VS F V S FV S F V S F VS F V S                                                                                            (2)    Virtual go al  forces  F ( VG ) a r e  co nstructed  by d i fferent plum e-tra c in g alg o rithm s :   chem otaxis, anemotaxi s   a nd  fl uxotaxis respe c tively.  The spe c ific con s tru c tion  method of  F ( VG )  is defined as  follows:   Chem otaxi s : The gradient  strategy si mp ly follows t he chemi c al g r a d ient, so the dire ction   of the la rge s t  ch emical  co nce n tration  is the g oal  dire ction. T he virt ual robot  re ceives th e  sen s o r   data availabl e on robot  k  ( k =1, 2, 3 ,  … , 6), choo se s the robot  j  wh o  has th e high est  con c e n tration  and moves t o wa rd it a distance of ste p  length  s 1 . Th e virtual goal force i s  defin ed  as  follows :     () () () () () jv jv Xt X t FV G Xt X t                                                                                                                                (3)    Whe r e  X v  an d  X j  are po sitions of virtual  robot an d ro b o t  j .  ǁ • ǁ repre s ents the Eu clidean n o rm  operator.     Anem otaxi s : The intuition  behin d  the a nemotaxis i s   to move the l a ttice up stre a m  while   kee p ing the  robots in sid e   the plume. If the  gas  co n c entration s al l robot s sen s ed exce ede d   a   pred efined  th reshold   ρ T   an d the  wind  ve locitie s   were  not all  ze ro,  The virtu a l ro bot re ceive s  t h e   s e ns or  da ta  ava ila b l e  on   r o b o t   k  ( k =1, 2,  3, … , 6 ) , record s all  the  wi nd velo cities : 6 2 1 , , , v v v  and   cal c ulate s  th e average  wi nd velo city  6 1 6 1 i i v v . Then th e virt ual robot  ch o o se s  up wind  dire ction v  and move s  toward it a d i stan ce of  step lengt h  s 1 .  The virtual  goal force i s  defined a s   follows :    () v FV G v                                                                                                                                               ( 4 )    fl ux o t ax is :  In  this pa per,  si x robot s com posed of  reg u lar h e xago n  grid s. The  fo rmula  of  cal c ulatin g mass flux by a  robot is:       cos v n v                                                                                                                                  (5)    Whe r e   and  v   are che m ical con c e n tration   and wind  ve l o city of the robot re sp ecti vely. n  and   are sh own in  Figure 1.       Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 7, July 201 4:  5331 – 53 41   5334       Figure 1.   Th e  Method of Calcul ating Flu x  by a  Rob o t  Figure 2. The  Method of Calcul ating Re pulsi on  Force bet wee n  the Virtual Rob o ts of Two  Grou ps      If the ga s  co n c entration s  al l ro bots sen s ed ex cee ded   a p r ed efined   threshold   ρ T  and  the   wind  velocity  wa s n o t zero,  the virtual  ro bot follo wing  the ro bot  i  wit h  minim a l ne gative ma ss flux  will ta ke th e  robots up win d  whi c h  towards th e  so urce . Then  the  virtual robot  ch o o se s th e  rob o t  i   with mini mal  negative m a ss flux a nd  m o ves to wa rd  i t  a di stan ce  of step  len g th  s 1 . T he vi rtual   goal force is  defined a s  fol l ows:    () () () () () iv iv X tX t FV G X tX t                                                                                                                                (6)    Then, the discrete -time mo del of the vi rtual rob o t movements  can b e  stated a s :    1 (1 ) ( ) ( ) vv Xt X t sF V G                                                                                                               (7 )    Whe r e  X v   ( t +1) and  X v  (t)  are po sition s  of the virtual robot at time step  t +1 and  t.    As the virtual  robot move d  to a new p o s ition,  the ro b o ts wo uld al so move a di stance of  step len g th  s 2  under the a c t i on of the virtual stru ctu r e force  F ( VS ).   So, the discre te-time model  of the  robot movement s can be state d  as:     2 (1 ) ( ) ( ) kk k X tX t s F V S                                                                                                             (8)    Whe r e  X k  (t+1) and  X k  (t)  are po sition o f  the robot  k  ( k =1, 2, 3, … , 6) at time step  t +1 and  t .  It  should be noted  that step  len g th  s 1   of the virtual  robot  sho u ld  less than th a t  of the  robot s  s 2  such that the robots  c a n follow it.     2.2.2.2. The Con t rol Algo rithms Ba se d Virtual Ph y s ics bet w e e n each Gro u p  of Rob o ts    Parallel   Search with repul s ion  forc e: P a rallel  search logi cally m a ke s  se archi ng time   faster. Several grou ps of robot run an d find odor  source s se parately. Bu t, robot grou ps ru n   sep a rately ca n make one  grou p ca nnot  find the other and  will not  kno w  if it goes to the sa me   odor  sou r ce a s  the others. It is very inefficient  that one  odor sou r ce can b e  tracke d by more tha n   one  group. In  additio n , the   robot s from  o ne g r o up  are   movable  ob st acle s  be cau s e robot s h a ve  a   physi cal  sha pe an d foot p r int of  fi nite size, the other group must  avoid collisions  with them.  In  orde r to gu arantee of the  positio ns of o ne group’ s ro bots to be  aw ay from the o t her, we  assu me  that there  is  a re pul sion f o rce  f v  bet we en the virtu a l  rob o ts. Th e  repul sio n  force  f v  between  the  virtual rob o ts  of two grou ps is defined a s  follows:     () ,5 0, jk jk jk v XX XX r XX f ot he r w i s e                                                                                                         (9)        Whe r e  X k  an d  X j  are p o siti ons of virtual  robot s of t w o  grou ps.  ǁ • ǁ re pre s ent s  the  Euclide an no rm  operator.Th e  spe c ific  cal c u l ation pro c e s s is sho w n in  Figure 2.   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Virtual Physics-ba sed A ppro a ch to Multip le Odo r  Source s Lo cali zation (Xi aopi ng Ma)  5335 Then, the virtual goal force  is modified b y :      () () v F VG F V G f                                                                                                                             (10)                                                                                               Parallel Sea r ch with re pul sion force and  forbidd en are a  setting : Although repul sio n  force   betwe en the  virtual ro bots  of two g r ou ps can  gu ara n te e the p o sition s of o ne g r ou p’s  rob o ts to  be   away fro m  the other, it ca n not gua ra n t ee one o d o r  sou r ce to b e  tracke d by  only one g r o u p .   Con s id erin g t he case  sho w n in  figure  3, we  assum e  that, the g r oup first lo ca ted a  sou r ce  is  denote d  by g r oup 1 an d th e so urce  whi c h  wa s first  lo cated i s  d eno ted by so urce  1. So, when  the  distan ce  bet ween t w o virtu a l ro bots is le ss than  5 r ,  by analy z ing th e force s   F’  ( VG ) of th e virtu a l  robot of grou p 2, we ca n e x plain this problem.           Figure 3. The  Method of Calcul ating Fo rce s  of  the Virtual Ro bot of Grou p 2      Figure 4. The  Method of Setting the Forbidde n  Area an d the goal force  ) ( 2 VG F vr  of  Grou p 2’  Virtual Ro bot       The ci rcula r  forbid den  are a  is its  cente r   at the virtual robot of g r ou p 1 and  radi u s   r T  ( r T  >  r ) which is shown as follows:    2 2 1 2 1 ) ( ) ( T v v r y y x x                                                                                                                      (11)    Whe r e ( x 1 v ,  y 1 v ) is the posit ion of the virtual rob o t of group 1.  In ord e r t o  b y pass the  so urce1,  we m odified the  g oal force   F’ ( VG ) of  gro u p  2’ virtua l   robot a s  the rotary force  f 2vr , whic h is  s h own as  follows :     j f i f f vr y vr x vr 2 2 2                                                                                                                                  (12)    The follo win g  equatio ns  expre ss th e  dire cti on of t he rota ry force in two di fferent  conditions:     2 1 2 2 2 2 2 1 2 2 2 2 , , vrcc y vr y vrcc x vr x vrc y vr y vrc x vr x f f f f f f f f                                                                                                   (13)    Whe r e ( f x2vrc ,  y 2vrc ) is cl ockwise force an d ( f x2vrcc ,  y 2vrcc ) is counte r  cl ockwi s e force .   θ 1  is the angle  betwe en  th e positive dire ction  of  x–axis and  the lin e  con n e c ted t w o virtual  rob o t s of two g r ou ps  in cou n t e r c lo ck wi se dir e ct i on.  A nd  θ 2  is the angle be tween the p o s itiv e dire ctio n of x–axis and   the goal force   F’ ( VG ) of the group 2 in  co unterclo c kwi s e dire ction.           ) ( ) ( 1 2 2 1 2 2 v v vrc y v v vrc x x x f y y f                                                                                                                                   (14)  Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 7, July 201 4:  5331 – 53 41   5336 And,                      ) ( ) ( 1 2 2 1 2 2 v v vrcc y v v vrcc x x x f y y f                                                                                                                                (15)    Whe r e ( x 1v , y 1v ) and  ( x 2v , y 2v ) are the  position s  of  the virtual robot of gro u p1 and g r ou p 2  r e spec tively.  Let us no rmal ize it as follo ws:     j f f i f f VG F vr vr y vr vr x vr 2 2 2 2 2 ) (                                                                                                                        (16)    We can se e,  whe n   | θ 1 - θ 2 |< π /2, group  2 by force  F’ 2vr ( VG ) c an  su cc es sf ully bypass  sou r ce  1 a n d  locate  sou r ce 2. It  sho u ld  be  noted  tha t  once th e virtual robot  of  grou p  2  cho s e a  rotary meth o d  (cl o ckwise  or counte r   clo c kwi s e), it   sh ould  kee p  on  until it escap e d  from  sou r ce  1 .   Whe n  | θ 1 - θ 2 |> π /2, gro up 2  by force  F’ ( VG ) can succe ssfully  move  away from  so urce 1.     2.2.3. Source Declar atio n   Plume sou r ce   identification  is  the p r o c e s s wh e r e b y the robot s ident ify the odor source in   the enviro n m ent. This p a p e r ad opted  source id entific ation i n  [12], whi c h tell u s   that, if the robots  surro und  a susp ecte d emi tter, and the t o tal mass flu x  measu r e d  b y  the sen s o r   grid  con s i s te ntly  excee d s som e  sm all, empi rically -dete r m i ned th re shol d  Φ T  i n  a  given n u mbe r  of  step s  n s , then  the robot s ha ve locali zed t he emitter.       3. Results a nd Analy s is  In this section, we will test the search  efficiency of the propose d multi-robot  system  based virtual  physi cs fo rce  at three diffe rent fr e que ncies of  wind  directio n/ sp ee d and m e tha n e   relea s e,  whi c h are:  stan d a rd frequ en cy, twice fre q uen cy and t r eble fre que n c y. In additi o n ,   different initial positions of  tw o groups  will al so have great in fluence  on the sear ch efficiency.  So, we give six kinds of init ial positio ns (positio n of the virtual rob o t), whi c h are: Position1  (18, 4)  , (18,14 ), de noted by P1;  Position2  (1 8,10), (18, 14 ), denoted by  P2; Position3  (18,4 ) , (18,1 0 ),  denote d  by P3; Position4  (18,14),  (18,1 6 ), den oted  b y  P4; Position5 (1 8,8),  (18 , 10), den oted  by   P5; Position 6  (1 8,4),  (18,6 ) , de noted  by  P6; T w o  gro ups with  P1  have m a ximu m spa c ing, th en  P2 and P3, then P4-P6.   By simulatin g  extensive  nume r ical se arch  trials  for eac h  parameter, we chose the  para m eter giv en by able 1.     Table 1. Para meters of Algorithm   k c   r  k r   s 1  s 2   ρ T   Φ T   n s   0.0001  0.3[m]  5  0.06[m]  0.12[m]  0.005[kg/m 3 ]  0.05[kg/m 2 •s] 10      3.1 Chemo t a x is  To get a better un derstan ding of the ef fect  that we p r opo se d pa ra llel sea r ch ha s on the   plume tra c ing  task, we give  a serie s  of snap shot s of the traci ng od or plum es p r o c e ss of the two   grou ps’  robot  usi ng  ch em otaxis in  si m u lati on  environment. A s   a sample,  we introdu ce  the  tracin g od or  plume s  p r o c e ss  at the tre b l e freq uen cy   with six initial  positions  respectively shown  in Figure 5. Twelve ro bots  are indi cate d by “ ○ ” an d two virtual rob o ts are in dicate d by “+”.             Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Virtual Physics-ba sed A ppro a ch to Multip le Odo r  Source s Lo cali zation (Xi aopi ng Ma)  5337                                (a) P1                                           (b) P2                                         (c) P3                                 (d) P4                                           (e) P5                                           (f) P6  Figure 5. Plume Tra c ing P a ths u s ing  Ch emotaxis  at the Tre b le Fre quen cy with  Six Initial  Pos i tions      Then,  we giv e  the  sea r ch  time used by  sou r ce s lo ca ting at thre e  different fre q uen cie s   with six different initial posi t ions re sp ecti vely.        (a) Stand ard frequ en cy     (b) T w ice freq uen cy     (c) Tre b le fre quen cy     Figure 6. Co mpari s o n s o n  Search Time  used by  Lo cating Two So urces u s in g Chemotaxis at  Thre e Differe nt Frequ en cie s  with  Six Different Initial Pos i tions       Figure 5-6 tel l  us that, the  prop osed  se arch  st rategy  usin g ch emo t axis is effe ctive and  obtain s  10 0 %  su ccess  rate; in ad dition, with  th e  increa sin g   of the wi nd  dire ction/  sp eed  freque ncy  an d metha ne  re lease fre que ncy, the  sea r ch time  used  by the  robot s in crea se s. The  main  rea s o n  i s  that  the i n crea sing  of th e wi nd  directi on/ spee d fre quen cy a nd  methane  rele ase   freque ncy ma ke the plu m e  drift up and  down dra s ti cally, the robot s usi ng the chemotaxis m o ve  towards the  d i rectio n of th e  larg est  ch em ical  co ncentration  whi c h  make  the  tra c ing p a ths sim ilar  to the variation pattern of the wind di rection.  Fo r e x ample, the averag e time  is 780 s un d e r the  ca se the wi nd dire ction/  spee d freq uen cy  and methane  rel ease frequ e n cy is stan dard   freque ncy,  while the  average  sea r ch ti me is 118 0s unde r  the ca se  th e  wi nd dire ction/ spe ed  freque ncy a n d  methan e relea s e fre q u ency i s  trebl e frequ en cy. Con s id erin g  six different i n itial  positio ns  we  had te sted,  Grou ps  sta r t out from P3  spe n t the mo st time to locate two  sou r ce s  and g r ou ps  start from P 2  sp ent the  least time ev en at thre e  different fre q uen cie s  of wind   dire ction/ spe ed  an d  meth ane relea s e. For  exa m pl e,  the average  time is 1 040 s with P1, 8 7 0 s   with P2, 1160 s with P3, 92 0s with P4, 9 70s  with P5,and 1090 s wit h  P6 under th e ca se the wi nd   dire ction/ sp eed fre que ncy and metha ne rel e a s e f r equ en cy is  treble frequ e n cy. The m a in   rea s on  is that  P1, P3 a n d   P6 have  a  sa me  coo r din a te (18,4) which is fart h e st  f r om t w o  sou r c e s;   the farther th e initial positi ons fro m  two  sou r ces the l onge r time sh ould be  spent  to located th em.  Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 7, July 201 4:  5331 – 53 41   5338 In additio n , t a ke  a c count   of se arch  efficien cy  with  P1, P3 a nd  P6, two  gou rps  with  P1  h a ve   maximum sp acin g. Clo s e r  position s  al ways m a ke two g r ou ps  co me in conta c t with ea ch ot her  and th e  rep u l s ion  force  bet wee n  the  virt ual  robot s  of  two g r o u p s  repel s e a ch ot her which  le a d s   to the grou ps spent mo re t i me to find all the sou r ces.  So, different initial positio n s  of two grou ps  usin g ch emot axis also exert great influen ce on the  sea r ch effi cien cy.    3.2. Anemotaxis   Figure 7 give s the  plume t r aci ng  path s   of two  g r ou ps of rob o ts  usi ng an emotaix s  at the   treble fre que ncy with six i n itial position s  re spe c tively.                            (a) P1                                           (b) P2                                         (c) P3                      (d) P4                                           (e) P5                                           (f) P6    Figure 7. Plume Tra c ing P a ths at the Trebl e Frequ en cy with Six Initial Positions      Figure 8 give s the search  time use d  by sou r ces lo ca ting at three  different freq uen cie s   with six different initial posi t ions re sp ecti vely.        (a) Stand ard frequ en cy      (b) T w ice freq uen cy     (c) Tre b le fre quen cy   Figure 8. Co mpari s o n s o n  Search Time  used by  Lo cating Two So urces u s in g Anemotaxis at  Thre e Differe nt Frequ en cie s  with  Six Different Initial Pos i tions       Figure 7-8 tell us that  anemotaxi s   obtain s  100 % failure ra te at three  different  freque nci e s with  initial po sition  P4, whil e  ane motaxi s is effe ctive a nd obtai ns 10 0% su cce s s rate  with othe r five different ini t ial position s .  The main  re aso n  is that,  P4 is at up pe r rig h t co rne r  of  the are a  which i s  clo s e t o  the above  sou r ce an d two g r ou ps  wi th initial posit ion P4 are q u ite  clo s e. So, the plume-traci n g path of two grou ps  a r e al most the sa m e . Anemotaxis whi c h movi ng  towards the  upwi nd di re ct ion ma ke s t w o g r o u p s  al l locate d the  sam e   sou r ce that is lo cated  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Virtual Physics-ba sed A ppro a ch to Multip le Odo r  Source s Lo cali zation (Xi aopi ng Ma)  5339 upwi nd the ot her  sou r ce. F o rbid den  are a  and  rotary  f o rce could  no t guara n tee t he group to fi nd   the sou r ce  d o wn win d  to t he lo cate d  so urce  (an e mot a xis ma ke s the  robot s to   move to ward s the  upwi nd dire ct ion,  not do wnwin d   di re ction) and   t he  sea r ch faile d. Co nsi deri n g initial positions  except for P4 , with the increasi ng of the  wi nd di re ctio n/ spee d freq uen cy and m e thane  relea s e  freque ncy, th e traci ng path s  of the ro bot s u s ing a nem otaxis is ve ry similar to  ea ch othe r, so the  sea r ch time   use d  by th e  robot s i s  al so simil a r.  T h e main  rea s o n  is that the   increa sing  of  th e   wind di re ctio n/ spee d fre quen cy and  methane  re le ase frequ en cy make the  plume to hig h   con c e n tration s  which al wa ys exce ede d  threshold  ρ T   and the  ro bot s u s ing th e a nemotaxis m o ve   towards the  u p win d  di re ction  whi c h  ma ke th e t w o  group s  run  an d  find o d o r   so urces  sep a rat e ly  and  ma ke th e sea r ch tim e  in crea se  sl ightly. The  a v erage  time  are  le ss tha n  40 0s at th ree   different freq uen cie s  of wi nd directio n/ spe ed fre que ncy and m e thane  rele ase  which is fa r le ss  than the g r ou ps u s ing  ch e m otaxis. Gro ups  start o u t from P1 spen t the least time to locate  two  sou r ces, the n  grou ps  start  from P2 and  P3, then  gro u ps  start from  P5 and P6. F o r exampl e, the   averag e time  is 350 s with P1, 390s  with P2 and  P3 and 460 s with P5 an d P6. So, more  disp ersed init ial positio ns  of two gro u p s  ca n  ma ke  the anemota x is more effe ctive in parallel  sea r ch than the ch emotaxi s .    3.3. Fluxotax is  Figure 9-10 g i ve the plume  tracin g path s  and  se a r ch time of two g r oup s of ro bot s u s ing   fluxotaxis at the sta nda rd f r equ en cy, twi c e fr equ en cy and treble  freque ncy  with  three  differe nt  initial positions respectively.                          (a) P1                                           (b) P2                                         (c) P3                      (d) P4                                           (e) P5                                           (f) P6  Figure 9 Plume Tra c ing P a ths u s ing Fl uxotaxis  at the Trebl e Fre q uen cie s  with  Six Different  Initial Positions                      (a) Stand ard frequ en cy                    (b) Twi c e freque ncy                        (c)Trebl e frequ e n cy   Figure 10. Co mpari s o n s o n  Search Time  used by  Lo cating Two So urces u s in g F l uxotaxis at  Thre e Differe nt Frequ en cie s  with  Six Different Initial Pos i tions     Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 7, July 201 4:  5331 – 53 41   5340 From  Figu re   9 -10  we  can  see  that, the   perfo rm an ce   of plume  tra c i ng u s in g flux otaxis i s   very similar t o  that of anemotaxis.   Figure 5 -1 0 tell us that, the pro posed  multi -ro bot co operation st rat egy with ch emotaxis  is very effecti v e and obtain s  100%  success rate at  all  three differe nt frequen cie s  win d  dire cti on/  spe ed and m e thane relea s e with six di fferent init ial positio ns. Bu t, the search  time using the   chem otaxis i s  mu ch m o re t han th at of th e an em otiaxi s a nd fluxota x is an d al so  the p e rfo r man c e   is influe nced  greatly by differ ent frequ en cie s  wi nd di re ction/ spee d  and meth ane  relea s e  and t he  initial posotio ns. The main  reason is th at the  robots using the ch emotaxis mo ve toward s the   dire ction of the larg est  chemic al co ncentration  whi c h ma ke the  tracin g path  similar to t he  variation p a ttern of the  wi nd directio n and al ways fi rst lo cate the  sou r ce do wnwin d  the ot her  sou r ce. Fo rbi dden  area  a nd rotary fo rce  ca n g uarantee th e ot her  group  to  find the  sou r ce  upwi nd to  th e lo cated  so urce. In  addi tion, we   can  se e th at the  varie d   wind  directio n/ sp eed  freque ncy a n d  methan e re lease freq ue ncy exert little influen ce o n  the se arch  perfo rman ce  for  the robot s u s ing fluxotaxis and   an emot axis. A  rea s o nable  expla n ation i s  that,  both  fluxota x is   and a nemota x is co mbin e i n formatio n a bout wi nd ve l o city whi c h  can ma ke th e  two g r ou ps  run  and fin d  o d o r  so urce s  se p a rately  and  p a rallelly. F u rt herm o re,  mo re di spe r sed  i n itial po sition s of  two gro u p s  can make the anemotaxi s  a nd fluxot axis more effe ctive in parall e l search.       4. Conclusio n   Aims of thi s   study a r e  to  tackl e the  ch alleng es of tracin g pl ume s  and  lo cate  multiple  odor sou r ces.  In this stu d y  a coop erative  se arch  strate gy ba sed  on   mobile  ro botics swa r m s   wi th   virtual phy sics force s   wa s adopte d  to  control a  nu mber  of mob ile ro bots to   locate t w o  o dor  sou r ces. A n e w meth od f o r avoidi ng t he on e odo r  sou r ce is t r a c ed by mo re t han o ne g r ou p is   introdu ce d. T h is m e thod  b a se d o n  a  rot a ry force  avoi ds th e  robot s  to re -lo c ate t he  same  sou r ce  whi c h h a s  b een lo cate d  by other  rob o ts, and l e a d s the m  to  move toward  other  so urce.  Simulation  experim ents co mpared th re e  plum e-trac i n g  alg o rithm s : chem otaxis, anemotaxi s  a n d   fluxotaxis and discusse d the in fluence  of the varied wind direct ion/ spee d freque nci e s a nd  methane  rel ease freq ue ncie s an d di fferent initial  position s  of  two gro u p s  to the sea r ch  perfo rman ce.  After co ndu cting the  exp e rime nts,  we  may de rive  the followi ng  con c lu sio n  from  this re se arch:  first, the varied win d  directi on/ spee d freque ncy an d  methane rel ease freq uen cy  exert g r eat i n fluen ce o n   the search  e ffici ency  fo r chem otaxis but  not  fo r anemotaxi s  and  fluxotaxis; se con d , mo re  d i spe r sed i n itial po sition s  o f  two g r o u p s , the m o re  effective by  pa rallel  sea r ch when  using pl ume - tra c ing al gorithms: anem o t axis and fluxotaxis. In the future, we  will  cho o se m o re  group s  of robots to m u l t iple od or so urces lo cali zation in  the   more  compl e x  environ ment i n  whi c h inten s ity of each  sou r ce ma y  vary with time, the positio n of the sou r ce  may be  occlu ded  by ob sta c le s o r  oth e r  robot s, od or  plume  may b e  mo re tu rbul ent an d furth e r,  transplant the  control  strate gy on the true  swam  rob o ts in the experi m ent are na.       Ackn o w l e dg ements   This work was finan cially  suppo rted b y  the National Natural Scien c e Fo un dation of  Chin a un der Gra n t 613 0 3183, the S p eciali ze d Re sea r ch Fu nd  for the  Do ctoral Progra m  o f   High er Edu c a t ion of China  unde r Grant 2012 0095 120 023 an d Post docto ral Research Fu nd s of  Jian gsu Provi n ce u nde r Grant 1101 107 C.      Referen ces   [1]  Ha yes  AT , Martinoli  A, Go od man  RM. Distr ibute d   odor  so urce  loca lizati o n.  IEEE Sens ors Journal .  200 2; 2(3): 260 -271.   [2]  Sand ini G, L u c arini G, Var o li M.  Gradie n t  Driven S e lf- O rgani z i ng Sy stems . Proc ee din g s of the   IEEE/RSJ Internatio nal C onfer ence o n  Intell ig ent  Rob o ts and  S y stems. Yok oham a. 199 3: 429- 432.   [3]  Nurmai n i S, T u tuko B,  T h ohars i n A R.  In tellig ent M obil e  Olfactio n  of S w arm  Rob o ts.  IAES  Internatio na l Journ a l of Ro bo tics and Auto mation (IJRA) . 2 013; 2(4): 1 89- 198.   [4]  Ku w a na Y, S h imo y a na I. Ph eromo ne-g u i d e d  mo bil e  ro bot  that b ehav es  like  a s ilk w o r m  moth  w i t h   livin g ante n n a e  as pheromo n e  sensors.  Internatio nal Jo urn a l of Rob o tics Rese arch . 199 8; 17(9): 924 - 933.   [5]  Ha yes AT , Martino li A, Go odma n  RM. S w a rm ro botic odor loca liz ati on:  off-lin e o p t imizatio n an d  valid atio n w i th  real  ro bots.  Ro botica . 20 03; 2 1 (4): 427- 44 1.  Evaluation Warning : The document was created with Spire.PDF for Python.