基于SAPSO-BP神经网络的井下自适应定位算法

莫树培, 唐琎, 杜永万, 陈明

莫树培，唐琎，杜永万，等.基于SAPSO-BP神经网络的井下自适应定位算法［J］.工矿自动化，2019,45（7）：80-85.. DOI: 10.13272/j.issn.1671-251x.2019010066
引用本文: 莫树培，唐琎，杜永万，等.基于SAPSO-BP神经网络的井下自适应定位算法［J］.工矿自动化，2019,45（7）：80-85.. DOI: 10.13272/j.issn.1671-251x.2019010066
shu
MO Shupei, TANG Jin, DU Yongwan, CHEN Ming. Underground adaptive positioning algorithm based on SAPSO-BP neural network[J]. Journal of Mine Automation, 2019, 45(7): 80-85. DOI: 10.13272/j.issn.1671-251x.2019010066
Citation: MO Shupei, TANG Jin, DU Yongwan, CHEN Ming. Underground adaptive positioning algorithm based on SAPSO-BP neural network[J]. Journal of Mine Automation, 2019, 45(7): 80-85. DOI: 10.13272/j.issn.1671-251x.2019010066
shu

基于SAPSO-BP神经网络的井下自适应定位算法

  • 1.

    贵州工业职业技术学院 图书与信息中心， 贵州 贵阳550008

  • 2.

    中南大学 信息科学与工程学院， 湖南 长沙410083

基金项目: 

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

详细信息

  • 中图分类号: TD655.3

Underground adaptive positioning algorithm based on SAPSO-BP neural network

  • 1.

    Book and Information Center, Guizhou Industry Polytechnic College, Guiyang 550008, China；2.School of Information Science and Engineering, Central South University, Changsha 410083, China

摘要

    摘要
  • 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1.53 m，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。
    Abstract: In view of problems of slow convergence, easy to form local extremum and large positioning error in strong time-varying electromagnetic environment of underground positioning algorithms based on traditional BP neural network, an underground adaptive positioning algorithm based on simulated annealing and particle swarm optimization and BP neural network (SAPSO-BP) was proposed. SAPSO algorithm is used to optimize the initial weight and threshold of BP neural network to accelerate training convergence speed and make it reach the global optimum. The target point RSSI value is collected by wireless calibrator installed in underground roadway and real-time calibrated by adaptive dynamic calibration method, in order to reduce influence of time-varying electromagnetic environment on positioning accuracy. Finally, the SAPSO-BP neural network is used to estimate position coordinates of target point. The experimental results show that confidence probability of positioning error within 2 m of the proposed algorithm is 77.54%, average error is 1.53 m, the positioning performance is better than uncalibrated SAPSO-BP neural network algorithm, PSO-BP neural network algorithm and BP neural network algorithm.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(12)

  • 期刊类型引用(10)

    1. 李轶. 基于优化神经网络与聚类的加权定位算法. 信息技术. 2023(05): 13-18+24 . 百度学术
    2. 芦宝娟，赵大磊，徐广允. 改进卡尔曼滤波的井下组合导航定位算法. 计算机应用与软件. 2022(03): 139-145 . 百度学术
    3. 王安义，曹茜. 神经网络融合引力场的超宽带定位模型. 西安科技大学学报. 2022(03): 555-561 . 百度学术
    4. 王瑾，闫攀. 基于线性可分SVM的自动化机床在线故障监测系统设计. 机床与液压. 2022(18): 183-188 . 百度学术
    5. 王利栋，王政. 模糊神经网络PID在提升机恒减速系统中的应用研究. 中国矿业. 2021(03): 118-122 . 百度学术
    6. 熊增华，张建伟，王石军. 察尔汗盐湖资源开发的生态环境保护对策. 中国矿业. 2021(03): 113-117 . 百度学术
    7. 逄明祥，王善培，李乾，程学珍. 一种基于遗传神经网络的煤矿井下定位算法. 实验室研究与探索. 2021(04): 8-12 . 百度学术
    8. 刘夏，李祥瑞，余建华，李青. 基于单片机控制的多功能液体容器设计. 电子测试. 2020(05): 38-39 . 百度学术
    9. 莫树培，唐琎，李国良，陈明，金礼模，周龙龙，朱超，赵大磊. 混沌粒子群优化神经网络的井下人员无线定位方法研究. 传感技术学报. 2020(03): 456-463 . 百度学术
    10. 刘夏，李国良，张灵峰，汪郁，孙虎，黄启能，丁琼. 一种井下人员无线定位算法研究. 工矿自动化. 2020(04): 38-45 . 本站查看

    其他类型引用(2)

    • 资源附件(0)
计量
  • 文章访问数:  85
  • HTML全文浏览量:  6
  • PDF下载量:  14
  • 被引次数: 12
出版历程
  • 刊出日期:  2019-07-19

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回

    苏ICP备 05016349号-2

    本系统由 北京仁和汇智信息技术有限公司 开发  访问量：1148901    百度统计