1.一种基于小生境粒子群优化的多无人机协作的气体源搜索方法，其特征在于，所述方法包括：对多源场景下的气体扩散过程建模，根据稳态对流扩散方程计算多源场景的气体浓度；将多源场景的气体浓度转换为传感器与气体分子在单位时间内的平均接触次数，将平均接触次数作为泊松分布的抵达率参数，引入了泊松观测模型模拟湍流效应下无人机对扩散环境的感知，得到不同时刻的观测值；将无人机的源搜索过程表述为一个部分可观测马尔可夫决策过程，无人机利用收集到的不同时刻的观测值通过贝叶斯方法估计并更新源项参数，得到概率密度函数，采取粒子滤波的顺序蒙特卡洛框架对概率密度函数进行近似估计，得到估计源项状态；根据无人机之间的空间距离和估计源项状态的相似性划分小生境与非小生境成员，对于处于小生境内的无人机，采用粒子群优化算法规划小生境中的无人机的移动方向，对于非小生境中的无人机，根据Infotaxis搜索策略进行动作选择实现多源场景中无人机协同搜索的行为控制。
2.根据权利要求1所述的方法，其特征在于，对多源场景下的气体扩散过程建模，根据稳态对流扩散方程计算多源场景的气体浓度，包括：根据稳态对流扩散方程，源 在位置 处的气体浓度计算公式为 ；其中， 表示气体的有效扩散长度， 表示源的位置， 表示气体有效扩散率， 为风速， 为风向， 为气体分子寿命， 表示源的释放强度；则多源场景的气体浓度为： ；其中， 代表源的数量， 表示源的序号。
3.根据权利要求1所述的方法，其特征在于，将多源场景的气体浓度转换为传感器与气体分子在单位时间内的平均接触次数，包括：将多源场景的气体浓度转换为传感器与气体分子在单位时间内的平均接触次数为 ；其中， 表示位置 处的气体浓度， 表示源项参数， 表示气体有效扩散率， 表示球形传感器的半径。
4.根据权利要求1所述的方法，其特征在于，利用收集到的不同时刻的观测值通过贝叶斯方法估计并更新源项参数，包括：利用收集到的不同时刻的观测值通过贝叶斯方法估计并更新源项参数，得到概率密度函数为 ；其中， 是一个归一化因子， 代表前 步无人机 的所有观测值， 表示不同时刻的观测值， 表示先验概率。
5.根据权利要求1所述的方法，其特征在于，采取粒子滤波的顺序蒙特卡洛框架对概率密度函数进行近似估计，包括：对第 步的概率密度函数 进行 次采样，得到 个加权的随机样本，即粒子 ，其中 表示无人机 在第 步的第 个粒子所估计的源项参数， 表示无人机 在第 步的第 个粒子的权值，相应的 ；由此，后验概率密度函数近似为： ；其中， 是定义的狄拉克 函数。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：计算采样位置 处的预测值 ，采用泊松观测模型根据所述预测值计算观测权重为： ；接着，通过顺序重要性采样的方法更新粒子的权重，如下所示： ；其中， 表示更新后的粒子权重， 表示无人机 在第 步的第 个粒子的权值， 表示无人机 在第 步的第 个粒子的权值。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：计算采样位置 处的预测值为其中， 是无人机 第 个粒子估计的源项 在位置 处预测的气体浓度值， 表示其他无人机的粒子滤波在同一位置 处估计的气体浓度值之和， 是一个取值为 的似然权重，表示无人机 接受无人机 估计的源状态的概率， 表示无人机的数量。
8.根据权利要求1所述的方法，其特征在于，根据无人机之间的空间距离和估计源项状态的相似性划分小生境与非小生境成员，包括：在二维空间中，无人机采用基于Infotaxis II的奖励函数搜索未知源，当无人机与周围的临近无人机的距离阈值在 以内时判断相应的无人机集群是否满足小生境的形成；所述满足小生境的形成的条件为无人机的估计源项状态的相似程度低于阈值 ；其中， ， 是时间步长；在初始小生境形成后，根据无人机与小生境中的无人机集群的位置中心点的距离阈值是否在 以内，以及二者的估计源相似度是否在 以下判定无人机是否满足并入小生境的条件；其中，同一个小生境的无人机集群利用采集到的所有观测值来更新源项，并根据估计的源项，基于粒子群优化算法采取复合动作选择。
9.根据权利要求1所述的方法，其特征在于，采用粒子群优化算法规划小生境中的无人机的移动方向，包括：采取PSO算法驱动小生境中的无人机执行复合动作，则小生境中无人机 在第 时刻的运动向量 以及所处位置 的更新公式如下： ；其中， 是无人机 获得最大观测值的位置，被定义为无人机迄今为止与气体分子碰撞次数最多的位置， 是无人机 在第 时刻所处位置； 为全局最优位置，定义为小生境中迄今为止与气体分子碰撞次数最多的位置， 是学习因子， 是惯性权重， 是随机值且均匀分布在[0,1]范围内， 表示共享粒子滤波的估计位置， 表示群体最优方向， 表示个体最优方向， 表示小生境中共享粒子滤波的估计方向。
10.根据权利要求8所述的方法，其特征在于，所述方法还包括：对于两个中心距离小于阈值 的小生境 和小生境 ，如果相应的两个无人机集群的移动方向大致一致且源项估计的相似程度低于阈值 ，则这两个小生境结合在一起，判别公式如下： ；其中， 和 分别是小生境 和小生境 的集群中心点， 和 分别是距离计算和相似度计算， 是群体移动方向计算，依赖于当前小生境中所有无人机飞行方向的和向量；当小生境中的粒子滤波收敛时，即小生境找到了估计源的实际位置，满足小生境重置条件，解散的小生境留下一个无人机申明源位置，并重置其他无人机的粒子滤波后无人机会被释放到场景中，继续搜索其他未知源。
