基于SAPSO BP神经网络的井下自适应定位算法

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2 m内的置信概率为77.54%，平均误差为1.