基于IPSO-LSTM的井下动目标位置预测实验研究

提升井下人员定位精度能够加强矿山安全监测,最大程度保障井下人员的生命安全。针对现有测距类算法受现场环境影响致使定位精度不足的问题,提出一种基于IPSO-LSTM的定位模型,应用于井下动目标的位置预测。采用LSTM构建指纹定位模型,通过UWB无线模块采集距离信息以构建距离-位置指纹关系数据库,利用数据库对PSO-LSTM模型进行训练,最后将训练好的模型进行目标轨迹预测。为比较不同改进策略对PSO的提升效果,对比了混沌映射随机初始化种群位置、非线性惯性权重递减、非对称优化学习因子和适应度函数优化4种改进策略,实验证明改进的PSO优化算法收敛速度快、鲁棒性好。为验证IPSO-LSTM的定位效果,以平均定位误差作为评价指标,将IPSO-LSTM模型与Chan算法、PSO-LSTM模型、LSTM神经网络、SSA-LSTM模型和GWO-LSTM进行对比,结果显示,IPSO-LSTM定位模型的平均定位误差为30 mm,相对传统Chan算法、LSTM、PSO-LSTM模型分别提升了76%、49%、24%。为降低局部误差偏大的现象,采用中值滤波对输入信息处理,进一步提升了定位精度。研究对进一步提高现有井下动目标定位系统的精度和稳定性具有重要意义和参考价值。

煤矿井下精确定位系统中的节点设计

现有的煤矿井下精确定位系统存在覆盖距离近、小型化难度大、成本较高等问题,针对上述问题,设计了一种基于ZigBee技术的精确定位节点。该节点设计分为中心节点设计和目标节点设计两种方案,均采用相同的JN5168射频芯片,由于节点小型化要求不同,中心节点和目标节点使用不同类型的天线。经在煤矿试验巷道中测试,将定位节点应用于煤矿精确定位系统,其覆盖范围能达到300m,定位精度能够达到10m以内,提高了定位系统的性能。

煤矿井下超宽带信号路径损耗测量与分析

针对目前高精度超宽带(UWB)信号井下路径损耗特征研究多采用理论建模与仿真实验手段,对井下UWB信号的实际测量研究较少的问题,选取在矿井中巷道尺寸、巷道墙壁材质、管道设施等环境条件比较普遍的架空乘人装置(猴车)运行巷道及环境恶劣、煤尘浓度高、地面积水严重的掘进工作面2个典型场景对UWB信号进行路径损耗测量与分析。结果表明:①2种巷道环境内的UWB信号路径损耗指数均小于2,巷道的波导效应导致了UWB信号比自由空间有更好的传播特性;巷道内UWB定位系统的定位基站部署间隔可比地面自由空间传播场景的定位基站部署间隔更大。②同一矿井内,巷道环境不同,路径损耗特征也不一样;掘进工作面路径损耗指数、阴影衰落方差均与猴车运行巷道的路径损耗指数、阴影衰落方差有较大差异。③从掘进工作面巷道内单个测试点位对比看,非视线传输NLOS环境比视线传输LOS环境的路径损耗大,NLOS环境的巷道内需要部署更密集的定位基站。所得结果可用于指导矿井UWB精确定位系统部署方案设计。

多干扰源下煤矿井下移动目标精确定位仿真

由于煤矿井下岩层结构复杂、环境恶劣,信号传输中会经过各种设备,并对信号产生多种干扰,导致移动目标不能精准定位,容易出现误报警或者断电等现象。针对上述问题,通过分析多干扰源和移动目标之间的联系,完成煤矿井下移动目标精确定位。对多干扰源进行分类分析,了解煤矿井下各设备产生干扰的原因,使用网格区域划分方法,设计多干扰源下矿井移动目标精确定位计算流程,采用波频参数方法将发射与接收到的信号做频率差计算,利用矩阵与矢量方法得出多干扰源与移动目标之间关系,获得移动目标精确定位。实验结果表明,由于计算过程被简化,可以节省大量时间,并且验证移动目标定位结果精准度较高,最终实现了快速、精确地获取移动目标定位。

基于加权质心定位的井下移动目标实时跟踪方法

为保障井下作业人员的人身安全,提出基于WSNs加权质心定位的井下移动目标实时跟踪方法。确定传感器在井下布置方位和数量,并建立与邻居节点间的通信;选择和目标距离最近的节点形成定位边,利用加权质心定位算法赋予节点权值,并引入虚拟节点概念,计算虚拟节点位置估计移动目标具体位置;采用自主决策思想确定节点转换状态,根据状态设置跟踪过程,实现目标实时跟踪。结果证明:本文方法跟踪丢失率始终保持在0.02%以下,误差小,跟踪效率较高。