基于SAPSO-BP神经网络的井下适应性定位算法

简介：
本研究提出了一种基于改进粒子群优化(SAPSO)与BP神经网络结合的井下精准定位算法，有效提升了复杂地下环境中的定位精度和稳定性。 针对基于传统BP神经网络的井下定位算法存在的收敛速度慢、易陷入局部最优解以及在煤矿井下的强时变电磁环境中误差较大的问题，提出了一种结合模拟退火思想与粒子群优化（SAPSO）技术改进后的BP神经网络(SAPSO-BP)自适应定位方法。该方案利用SAPSO算法来优化BP神经网络的初始权值和阈值设置，从而加速其训练过程并确保能寻找到全局最优解；同时，在井下巷道中安装无线校准器以收集目标点接收到的信号强度指示（RSSI）数据，并通过自适应动态校准技术实时调整这些测量结果，减少时变电磁环境对定位精度的影响。最终，采用优化后的SAPSO-BP神经网络模型来估算并确定出目标位置的具体坐标值。 实验结果显示，在该算法的应用下，当误差范围控制在2米以内的情况下，其置信概率达到了77.54%，平均误差为1.53米；这表明相较于未经校准的SAPSO-BP、单纯使用PSO优化BP网络或直接采用传统BP神经网络的方法而言，本算法具有更加优越的表现。