留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于PSO-BP神经网络的煤矿井下自适应定位算法

崔丽珍 许凡非 王巧利 高丽丽

崔丽珍,许凡非,王巧利,等.基于PSO-BP神经网络的煤矿井下自适应定位算法[J].工矿自动化,2018,44(2):74-79..  doi: 10.13272/j.issn.1671-251x.2017090028
引用本文: 崔丽珍,许凡非,王巧利,等.基于PSO-BP神经网络的煤矿井下自适应定位算法[J].工矿自动化,2018,44(2):74-79..  doi: 10.13272/j.issn.1671-251x.2017090028
CUI Lizhen, XU Fanfei, WANG Qiaoli, et al. Underground adaptive positioning algorithm based on PSO-BP neural network[J]. Industry and Mine Automation, 2018, 44(2): 74-79. doi: 10.13272/j.issn.1671-251x.2017090028
Citation: CUI Lizhen, XU Fanfei, WANG Qiaoli, et al. Underground adaptive positioning algorithm based on PSO-BP neural network[J]. Industry and Mine Automation, 2018, 44(2): 74-79. doi: 10.13272/j.issn.1671-251x.2017090028

基于PSO-BP神经网络的煤矿井下自适应定位算法

doi: 10.13272/j.issn.1671-251x.2017090028
基金项目: 

国家自然科学基金项目(61761038)

内蒙古自治区科技计划项目(201502013-1)

内蒙古自治区自然基金项目(2015MS0623)

详细信息
  • 中图分类号: TD655

Underground adaptive positioning algorithm based on PSO-BP neural network

  • 摘要: 提出了一种基于PSO-BP神经网络的煤矿井下自适应定位算法。针对传统的基于测距模型的定位算法易受煤矿井下环境干扰、测距误差大的问题,选择指纹匹配定位模型。针对煤矿井下环境强时变性,易增大实时采集的指纹信息与离线阶段建立的静态指纹数据库信息的匹配误差问题,将信标节点作为参考点的校准节点,以更好地反映参考点随环境变化的情况,避免增加额外的校准节点;在不增加硬件成本的同时,通过动态补偿法实时修正目标节点指纹数据,解决了指纹匹配定位模型自适应差的问题。匹配定位阶段采用PSO优化BP神经网络权值,以加速BP神经网络收敛,提高学习速度。实验结果表明,该算法更加适应随时间变化的煤矿井下环境,满足井下自适应定位要求。

     

  • 加载中
计量
  • 文章访问数:  37
  • HTML全文浏览量:  2
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 刊出日期:  2018-02-10

目录

    /

    返回文章
    返回