目前关于气体泄漏的研究,都集中在烟羽跟踪和泄漏源定位方面,关于烟羽发现方面的研究较少,且多为全局规则扫描遍历,这种遍历的发现效率很低,并且不适用于真实的复杂环境。为了解决这些问题,本文利用间接搜索思想,充分利用环境的其它信息对搜索区域进行等级划分,然后结合搜索策略研究提高复杂环境下的烟羽发现能力,主要研究内容如下:1)气体信号提取算法研究:烟羽发现任务的完成是以提取出相应气体信号为标志的,因此气体信号提取的准确性与稳定性会直接影响烟羽发现效果。提出了基于统计特征和显著度的气体信号提取算法。首先计算出气体光谱在不同尺度下的显著度,并根据显著度的统计特征差异选出候选信号点;其次,研究信号的统计特征规律,并用其将候选信号点中的伪信号点去除;最后,对候选信号点所在区域进行基线拟合并与原始信号区域差减以实现气体信号提取。针对不同信噪比和不同基线畸变的气体光谱信号进行的各100次实验表明,本文信号提取算法提取结果的绝对误差的均值仅为Air PLS算法的8.71%、Wavelet算法的3.52%、Do G算法的2.01%,绝对误差的均方根分别仅为这三个算法的13.08%、5.45%和3.11%,证明了算法具有较高的准确度和良好的稳定性。2)拓扑-栅格混合地图创建研究:利用星球之间相互吸引的思想,对基于RRT的环境探索算法的边界点进行优化,去掉冗余边界点,减少机器人在环境探索过程中的计算量;然后将优化后的边界点进行聚类生成拓扑节点,并将拓扑节点融入到栅格地图中,生成拓扑-栅格混合地图,通过仿真和真实实验验证了本文拓扑-栅格混合地图创建算法可以在不同的环境中创建出地图,为烟羽发现策略提供环境信息。3)烟羽发现策略研究:首先创建了拓扑节点危险系数模型,该模型包含了初始环境危险系数和未遍历时间危险系数;然后建立了烟羽发现策略,该策略通过各节点的危险度来确定机器人接下来的遍历目标,从而使得机器人在发现烟羽的过程中有一定倾向性;最后结合在复杂环境下具有良好路径规划效果的A*算法来实现遍历路径规划,最终实现烟羽发现。三种不同复杂环境的仿真实验表明,即使排除网格遍历法和Zigzag遍历法失败的情况,本文算法在三种地图中的烟羽发现综合平均时间分别比网格遍历法和Zigzag遍历法分别缩短了53.8%和46.7%。在真实环境实验中本文算法也分别比网格遍历法和Zigzag遍历法缩短了2.2%和62.0%。证明本文提出的烟羽发现策略是一种有效的烟羽发现遍历算法,能够在不同的复杂环境下快速完成烟羽发现任务。