基于SAPSO-BP神经网络的井下自适应定位算法

作     者：莫树培 唐琎 杜永万 陈明 MO Shupei;TANG Jin;DU Yongwan;CHEN Ming

作者机构：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410083 

出 版 物：《工矿自动化》 (Journal Of Mine Automation)

年 卷 期：2019年第45卷第7期

页      面：80-85页

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 

基　　金：贵州省科技厅资助项目(黔科合J字〔2014〕2082 黔科合LH字〔2016〕7069) 

主　　题：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 

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2m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。