-
题名基于聚类和K近邻算法的井下人员定位算法
被引量：13
- 1
-
-
作者
莫树培
唐琎
汪郁
赖普坚
金礼模
-
机构
贵州工业职业技术学院图书与信息中心
中南大学信息科学与工程学院
-
出处
《工矿自动化》
北大核心
2019年第4期43-48,76,共7页
-
基金
贵州省科技厅项目(黔科合LH字[2016]7069)
贵州工业职业技术学院校级科研课题(2018009)
-
文摘
针对现有基于指纹模的井下定位算法存在的计算量大、实时性低、定位精度较低的问题,提出了基于聚类和K近邻算法的井下人员定位算法。用二分k-means聚类算法对采集的RSSI数据进行分类,建立离线指纹数据库;无线移动终端和动态修正器实时采集RSSI值,分别存储到在线定位数据库和动态修正数据库;根据待测点和动态修正器的离线数据和实时数据,采用软硬件动态修正加权K近邻算法计算权重值,结合离线指纹数据库中待测点的物理位置信息估算其实时位置。实验分析结果表明,所提定位算法的最小标准误差为0.46m,最大标准误差为3.26m,平均误差为1.62m。对比分析结果表明,与未进行聚类分析的算法相比,本文算法的精度更高,实时性更好;与未动态修正权重值的算法相比,本文算法的运算时间略有增加,但定位精度提高了37.21%。
-
关键词
井下人员定位
指纹定位
二分k-means聚类算法
软硬件动态修正加权K近邻算法
动态修正
-
Keywords
Underground personnel positioning
fingerprint positioning
bisecting k-means clustering algorithm
software and hardware dynamic correction weighted K-nearest neighbor algorithm
dynamic correction
-
分类号
TD76
[矿业工程—矿井通风与安全]
-
-
题名基于SAPSO-BP神经网络的井下自适应定位算法
被引量：10
- 2
-
-
作者
莫树培
唐琎
杜永万
陈明
-
机构
贵州工业职业技术学院图书与信息中心
中南大学信息科学与工程学院
-
出处
《工矿自动化》
北大核心
2019年第7期80-85,共6页
-
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)
-
文摘
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。
-
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
-
Keywords
underground personnel positioning
adaptive positioning
simulated annealing and particle swarm optimization algorithm
SAPSO-BP neural network
adaptive dynamic calibration
-
分类号
TD655.3
[矿业工程—矿山机电]
-
