嗅觉在生物世界已被广泛地应用。许多动物通过气味实现交流信息、发现配偶、躲避入侵者和搜寻食物等行为。受到生物嗅觉的启发,自二十世纪九十年代开始,一些学者开始使用移动机器人结合气味/气体传感器实现气味源定位、气味分布地图构建和气味轨迹引导等功能,即所谓的机器人主动嗅觉。主动嗅觉的研究涉及移动机器人导航与控制、传感及信息处理﹑仿生学﹑计算智能和流体力学等多个研究领域。它在有毒/有害气体泄漏源查找、违禁品检查、灾难营救及防生化恐怖袭击等诸多方面均有着潜在的应用前景。本文针对气味源定位问题,在湍流主控的气态流体环境下,采用多机器人策略,重点开展了如下的研究工作:第一,鉴于现有烟羽仿真模型用于描述室内通风环境存在的不足,本文在现有烟羽模型和计算流体力学理论基础上建立了用于验证气味源定位算法的室内二维湍流烟羽模型;在该仿真环境中给出了考虑真实气味传感器响应/恢复特性的二阶气味传感器模型。第二,针对湍动气流主控环境下的气味源定位问题,提出了多机器人气味源定位三个不同阶段(烟羽发现、跟踪和气味源确认)的算法。多机器人采用发散搜索并逐渐覆盖搜索空间实现烟羽发现;在烟羽跟踪阶段,为更有效的利用风速/风向和烟羽信息,且力图克服烟羽的动态复杂特性的影响,避免陷入局部极值,提出了基于改进蚁群优化结合逆风搜索算法以及概率粒子群优化算法;基于气味源的持久性和发散性特点,结合启发式思想和气味质量通量计算,提出了三步气味源确认算法。第三,对所提出的算法分别在室外大尺度湍流烟羽模型和室内小尺度湍流烟羽模型下进行了仿真实验,同时在仿真实验中还将前人提出的基于粒子群优化的多机器人气味源定位算法与本文的方法作了对比;在室内通风环境下进行了多个真实机器人气味源定位实验,验证了本文提出算法的可行性与优越性。最后,对多机器人气味源定位中的探索(Exploration)和利用(Exploitation)特性进行了分析,提出了二者平衡的指标和分类方法。将提出的两种探索-利用平衡模式与改进的ACO算法和PSO算法结合并进行了仿真实验,结果表明异步平衡模式优于同步平衡模式。