10.16526/j.cnki.11-4762/tp.2022.01.031
基于改进ELM的煤矿井下定位算法
提出了一种基于改进极限学习机(ELM,extreme learning machine)神经网络的煤矿井下人员定位算法,针对测距模型易受井下复杂环境干扰,无法准确测距的问题,选用基于指纹的位置匹配模型;使用极限学习机将指纹和位置进行匹配,选用改进鲸鱼优化算法(IWOA,improved whale optimization algorithm)选取ELM合适的输入权值和隐含层阈值,以提高定位精度.在定位的在线阶段,将新的指纹数据代入带动态权值因子的在线顺序极限学习机(DOS— ELM,dynamic weight factor online sequential extreme learning machine)模型对定位模型进行动态调整,以克服电磁传播环境变动使定位结果产生的误差;仿真实验结果表明,该模型的定位误差在1.5m以内的置信概率为72%,平均定位误差为1.64m,与其他算法的实验结果相比,文章算法鲁棒性强,定位精度高.
井下人员定位;改进鲸鱼优化算法;极限学习机;在线序列方法;自适应定位
30
TP391(计算技术、计算机技术)
中国博士后面上基金项目;江苏大学高级人才研究项目
2022-02-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
202-208