-
题名基于粒子群与模拟退火算法的改进矿井克里金定位方法
被引量：12
- 1
-
-
作者
胡青松
梁天河
李世银
孙彦景
-
机构
中国矿业大学地下空间智能控制教育部工程研究中心
中国矿业大学信息与控制工程学院
中国矿业大学徐州市智能安全与应急协同工程研究中心
-
出处
《金属矿山》
CAS
北大核心
2023年第5期221-227,共7页
-
基金
国家自然科学基金项目(编号:51874299)
中国矿业大学“双一流”建设提升自主创新能力项目(编号:2022ZZCX01K01)
+1 种基金
中国矿业大学“工业物联网与应急协同”创新团队资助计划项目(编号:2020ZY002)
山东省重大科技创新工程项目(编号:2019JZZY020505)。
-
文摘
位置信息对于矿井作业中的人员管理和灾后救援至关重要,指纹定位可显著提高矿井定位精度,但费时费力的指纹库构建过程阻碍了其大规模应用。为此,提出了一种基于粒子群与模拟退火的克里金插值算法(PSOSA-Kriging),初始阶段只需采集部分指纹采样点的数据,以这些采样点数据为依据,通过克里金模型插值获得全部指纹数据集,并利用粒子群与模拟退火算法对克里金理论模型进行优化,使得构建出的指纹库更贴合实际矿井环境。算法利用粒子群收敛速度快的优势,解决了指纹库快速构建难题。同时,利用模拟退火克服粒子群可能陷入局部最优的缺陷,使得模型拟合更准确、插值结果更精确。在上述分析的基础上,通过在矿井环境下采集指纹数据,建立全部采样数据库、半采样与插值混合数据库,并选用最近邻算法(KNN)进行了定位验证。结果表明:POS-SA-Kriging算法不但大幅降低了指纹构建工作量,而且显著提高了定位精度,实现了指纹库构建速度与目标定位精度的联合优化。
-
关键词
矿井定位
指纹定位
克里金插值
粒子群
模拟退火
-
Keywords
mine positioning
fingerprint localization
Kriging interpolation
particle swarm optimization
simulated annealing
-
分类号
TD665.3
[矿业工程—矿山机电]
-
