10.13873/J.1000-9787(2023)07-0048-04
煤矿井下动态环境基于WiFi的OSELM算法研究
针对煤矿井下环境高动态变化,导致WiFi指纹匹配定位模型精度降低的问题,提出在线顺序极限学习机(OSELM)的井下定位算法,利用新增接收信号强度指示(RSSI)数据实现对模型的在线实时更新,同时赋予新增数据时效性权重来改进OSELM算法,在保证定位精度的前提下减少数据采集和模型训练工作量.实验结果表明:与传统的批量学习方法相比,利用OSELM在线学习能力可以改善由于井下环境高动态变化导致定位模型精度降低的问题,并且改进的OSELM算法能更有效提升模型定位精度.
位置指纹定位、在线顺序极限学习机定位模型、高动态井下环境、在线增量学习
42
TP212(自动化技术及设备)
国家自然科学基金;内蒙古自然科学基金资助项目;内蒙古自治区科技计划资助项目
2023-07-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
48-51,56