-
题名基于改进ELM的煤矿井下定位算法
被引量:2
- 1
-
-
作者
金浩
孙运全
杨海晶
-
机构
江苏大学电气信息工程学院
-
出处
《计算机测量与控制》
2022年第1期202-208,共7页
-
基金
中国博士后面上基金项目(20110491358)
江苏大学高级人才研究项目(13DG054)。
-
文摘
提出了一种基于改进极限学习机(ELM,extreme learning machine)神经网络的煤矿井下人员定位算法,针对测距模型易受井下复杂环境干扰,无法准确测距的问题,选用基于指纹的位置匹配模型;使用极限学习机将指纹和位置进行匹配,选用改进鲸鱼优化算法(IWOA,improved whale optimization algorithm)选取ELM合适的输入权值和隐含层阈值,以提高定位精度。在定位的在线阶段,将新的指纹数据代入带动态权值因子的在线顺序极限学习机(DOS-ELM,dynamic weight factor online sequential extreme learning machine)模型对定位模型进行动态调整,以克服电磁传播环境变动使定位结果产生的误差;仿真实验结果表明,该模型的定位误差在1.5 m以内的置信概率为72%,平均定位误差为1.64 m,与其他算法的实验结果相比,文章算法鲁棒性强,定位精度高。
-
关键词
井下人员定位
改进鲸鱼优化算法
极限学习机
在线序列方法
自适应定位
-
Keywords
underground personnel positioning
improved whale optimization algorithm
extreme learning machine
online sequence method
adaptive location
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-