“我们做的验证试验表明，百米范围内，溯源机器人最快几秒钟就能找到泄漏源，长的距离可能要十多分钟，比人力搜寻要快得多，在很多事故中，往往需要少则半小时多则数天才找到泄漏源。”

在从事多年危化品生产安全研究的北京化工大学教授张建文看来，一旦发生由危化品泄漏引发的火灾爆炸事件，首要的是找到泄漏的源头。

“在一些化工园区，日常巡检主要靠人力完成，但很多事故往往发生在夜深人静的时候，苗头难以被发现，同时事故现场复杂且危险，因此，迫切需要有智能机器人代替人力去完成寻找危化品泄漏源的工作。”张建文说。

百米范围数秒锁定泄漏源

眼前这款A4纸大小的四轮小车，就是张建文团队研发的智能溯源机器人样机。它看起来就像孩子们的玩具车，和小巧的车身相比，4个黑色的轮胎显得尤为壮硕。

可别小瞧它，车上搭载的传感器模块、无线通信模块、嵌入式计算系统等组装而成的“大脑”，能让它在很短的时间里锁定危化品泄漏的源头。

“我们做的验证试验表明，百米范围内，溯源机器人最快几秒钟就能找到泄漏源，长的距离可能要十多分钟，比人力搜寻要快得多，在很多事故中，往往需要少则半小时多则数天才找到泄漏源。”张建文说道。

智能溯源机器人是如何工作的呢？通过连接无线网络，接收到从手机或电脑端发来的指令后，由几辆智能小车组成的车队在现场展开搜寻。车上的探测芯片组采集空气中甲烷、硫化氢等气体的浓度值和分布状况等信息。

越靠近泄漏源，气体的浓度值越高。车载嵌入式计算系统通过群智能算法对采集到的数据进行分析处理，进而锁定泄漏源和判断泄漏规模。确定泄漏源位置后，小车挪动到该位置附近拍照，再将现场视频图像和处置建议回传到远程计算机或手机终端。

轮式智能溯源小车主要适用于平整的地面，考虑到众多油气管线布置在江河、沼泽地区，张建文团队还专门研发了通过能力更强的履带式小车，以适应不同地形和复杂工况条件。

“偷师”蚂蚁的智能机器人群

为了更通俗地解释智能溯源小车的工作模式，张建文把它比作是“机械蚂蚁”，几辆智能溯源小车组成的便是“机械蚂蚁”群。

“蚂蚁视觉非常弱，主要靠嗅觉来寻找食物，我们研发的智能溯源小车也是靠‘嗅觉’——探测气体浓度来寻找泄漏源的。”张建文说道。

在张建文看来，视觉看到的不一定真实，但嗅觉不会骗人。比如一些化学物质本来无色无味，但在某些条件下，受到反光或水汽的影响可能会出现“骗人”的颜色。就像彩虹一样，彩虹其实是白光经水滴散射后产生七种颜色。“而化学物质分子结构是特定的，气味不会变，如同‘面包屑’的外形大小不一，但对蚂蚁来说气味是一样的。因此在最初信息采集过程中，我们有意屏蔽视觉渠道，减少干扰”。

蚂蚁是群居动物，在觅食过程中，一只蚂蚁发现了面包屑，会向其它蚂蚁发出信号。智能溯源小车在工作中也借鉴了蚂蚁的这一习性。一旦一辆小车发现某个地点的气体浓度值很高，就会向相邻车辆发出信号，其他小车就开始向这辆小车所在位置移动。

“我们会在现场布置5台左右的小车，如果其中3辆以上都认为某一地点为泄漏源，那这个结论的可靠性就比较高”。张建文介绍，在设计算法的过程中，采用了人工群体智能的理念。譬如，对某一事件进行研判，一两个人的认识会有遗漏或偏差，十个人以上的讨论会影响决策效率，而五六个人协作研判的效率和精度都可以兼顾。

机器人“自学”2万种工况数据

人工智能非常重要的一点，就是培养机器人的学习能力。在北京化工大学实验室里，学习各种事故工况是溯源智能机器人每天的必修课。

“我们在实验室里创造了一些和现实事故可以类比的工况，让智能机器人不断学习应对，在它的‘大脑’里存了很多工况数据，比如晴天、阴天、风速等，最多的学习了2万多种工况数据。”张建文说道。

在学习的过程里，智能机器人会得到很多离散的数据，它会根据算法将离散点的数据归纳成某一种浓度分布规律，比如二次或其他分布。起初，它分析出的分布规律可能偏离实际分布情形，研究人员会告诉它哪里算的不对，它继续学习并给出新的结果。几次修正以后，它会给出正确答案，得到肯定后就把正确答案存进“大脑”里。

这款针对危化品事故溯源的智能机器人装置目前还处于实验室样机阶段，还将接受一系列现场测试。据悉，此前的测试中没有设置躲避障碍物场景，在2017年5月将进行的现场测试里，会考验它自主绕过障碍物的能力。

张建文非常看好溯源智能机器人的应用前景。他表示，单个溯源机器人成本仅数千元，它不仅可用于事故溯源，也可以应用到化工园区的日常巡检中，相对于人力成本来说，机器人的使用成本还是比较低的。“全国有1400多家成规模的化工园区，潜在需求量很大，我们去过的十多家园区，对溯源智能机器人都很感兴趣”。（唐婷）