基于SAPSO-BP神经网络的井下自适应定位算法
莫树培1
唐琎2
杜永万3
陈明3
1.贵州工业职业技术学院图书与信息中心,贵州贵阳 550008;中南大学信息科学与工程学院,湖南长沙 4100832.中南大学信息科学与工程学院,湖南长沙,4100833.贵州工业职业技术学院图书与信息中心,贵州贵阳,550008
摘要：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.
关键词：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
分类号：TD655.3(矿山电工)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 80-85 )
英文信息