In Deutschland sind die maximal zulässigen Emissionsmengen von Stoffen
nd Stoffgruppen in verschiedenen Umweltvorschriften festgelegt.
ine kontinuierliche und flächendeckende Überwachung von Industrieanlagen
st aber weder personell, noch finanziell mit klassischer In-situ-Sensorik
ealisierbar. In der vorliegenden Arbeit wird die Problemstellung
er autonomen mobilen Gasleckortung in industrieller Umgebung mittels
ptischer Gasfernmesstechnik adressiert. Neben der Beschreibung des
erwendeten mobilen Robotersystems und der Sensorik, werden die eingesetzten
echniken zur Messdatenverarbeitung vorgestellt. Für die Leckortung
urde die TriMax- und BeaGLE-Methode in industrieller Umgebung mittels
imulierter Lecks entwickelt und getestet. Die abschließenden Labor-
nd Freifelduntersuchungen haben gezeigt, dass die automatische Gasdetektion
nd -leckortung mit autonomen mobilen Robotern und optischer Gasfernmesstechnik
nnerhalb praktikabler Zeiten und mit hinreichender Präzision realisiert
erden können. In der abschließenden Diskussion wird deutlich, dass
och weitergehende, interessante Forschungs- und Entwicklungspotentiale
rkennbar sind.

In dieser Dissertation werden Methoden zur optimalen Aufgabenverteilung
n Multirobotersystemen (engl. Multi-Robot Task Allocation – MRTA)
ur Inspektion von Industrieanlagen untersucht. MRTA umfasst die
erteilung und Ablaufplanung von Aufgaben für eine Gruppe von Robotern
nter Berücksichtigung von operativen Randbedingungen mit dem Ziel,
ie Gesamteinsatzkosten zu minimieren. Dank zunehmendem technischen
ortschritt und sinkenden Technologiekosten ist das Interesse an
obilen Robotern für den Industrieeinsatz in den letzten Jahren stark
estiegen. Viele Arbeiten konzentrieren sich auf Probleme der Mobilität
ie Selbstlokalisierung und Kartierung, aber nur wenige Arbeiten
ntersuchen die optimale Aufgabenverteilung. Da sich mit einer guten
ufgabenverteilung eine effizientere Planung erreichen lässt (z.
. niedrigere Kosten, kürzere Ausführungszeit), ist das Ziel dieser
rbeit die Entwicklung von Lösungsmethoden für das aus Inspektionsaufgaben
it Einzel- und Zweiroboteraufgaben folgende Such-/Optimierungsproblem.
in neuartiger hybrider Genetischer Algorithmus wird vorgestellt,
er einen teilbevölkerungbasierten Genetischen Algorithmus zur globalen
ptimierung mit lokalen Suchheuristiken kombiniert. Zur Beschleunigung
ieses Algorithmus werden auf die fittesten Individuen einer Generation
okale Suchoperatoren angewendet. Der vorgestellte Algorithmus verteilt
ie Aufgaben nicht nur einfach und legt den Ablauf fest, sondern
r bildet auch temporäre Roboterverbünde für Zweiroboteraufgaben,
odurch räumliche und zeitliche Randbedingungen entstehen. Vier alternative
odierungsstrategien werden für den vorgestellten Algorithmus entworfen:
eilaufgabenbasierte Kodierung: Hierdurch werden alle möglichen Lösungen
bgedeckt, allerdings ist der Suchraum sehr groß. Aufgabenbasierte
odierung: Zwei Möglichkeiten zur Zuweisung von Zweiroboteraufgaben
urden implementiert, um die Effizienz des Algorithmus zu steigern.
ruppierungsbasierte Kodierung: Zeitliche Randbedingungen zur Gruppierung
on Aufgaben werden vorgestellt, um gute Lösungen innerhalb einer
leinen Anzahl von Generationen zu erhalten. Zwei Umsetzungsvarianten
erden vorgestellt. Dekompositionsbasierte Kodierung: Drei geometrische
erlegungen wurden entworfen, die Informationen über die räumliche
nordnung ausnutzen, um Probleme zu lösen, die Inspektionsgebiete
it rechteckigen Geometrien aufweisen. In Simulationsstudien wird
ie Leistungsfähigkeit der verschiedenen hybriden Genetischen Algorithmen
ntersucht. Dazu wurde die Inspektion von Tanklagern einer Erdölraffinerie
it einer Gruppe homogener Inspektionsroboter als Anwendungsfall
ewählt. Die Simulationen zeigen, dass Kodierungsstrategien, die
uf der geometrischen Zerlegung basieren, bei einer kleinen Anzahl
n Generationen eine bessere Lösung finden können als die anderen
ntersuchten Strategien. Diese Arbeit beschäftigt sich mit Einzel-
nd Zweiroboteraufgaben, die entweder von einem einzelnen mobilen
oboter erledigt werden können oder die Zusammenarbeit von zwei Robotern
rfordern. Eine Erweiterung des entwickelten Algorithmus zur Behandlung
on Aufgaben, die mehr als zwei Roboter erfordern, ist möglich, würde
ber die Komplexität der Optimierungsaufgabe deutlich vergrößern.