10.13272/j.issn.1671-251x.2019010066
基于SAPSO-BP神经网络的井下自适应定位算法
针对基于传统BP神经网络的井下定位算法存在收敛速度慢、易形成局部极值、在煤矿井下强时变性电磁环境中定位误差大等问题,提出了一种基于模拟退火思想的粒子群优化算法加BP神经网络(SAPSO-BP)的井下自适应定位算法.采用SAPSO算法优化BP神经网络的初始权值和阈值,以加快训练收敛速度,使之到达全局最优;通过安装在井下巷道中的无线校准器采集目标点接收信号强度指示(RSSI)值,采用自适应动态校准方法对RSSI值进行实时校准,以减小强时变性电磁环境对定位精度的影响;最后利用SAPSO-BP神经网络估算出目标点位置坐标.实验结果表明,该算法的定位误差在2 m内的置信概率为77.54%,平均误差为1.53m,定位性能优于未校准SAPSO-BP神经网络算法、PSO-BP神经网络算法、BP神经网络算法.
井下人员定位、自适应定位、模拟退火思想的粒子群优化算法、SAPSO-BP神经网络、自适应动态校准
45
TD655.3(矿山电工)
贵州省科技厅资助项目黔科合J字[2014]2082,黔科合LH字[2016]7069
2019-08-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
80-85