基于IPSO-LSTM的井下动目标位置预测实验研究OA北大核心CSTPCD
Position prediction of underground moving targets in mines based on IPSO-LSTM
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…查看全部>>
Improving the positioning accuracy of underground personnel can not only strengthen mine safety monitoring,but also increase the speed of rescue,thus ensuring the life safety of underground per-sonnel to the maximum extent.This paper proposes a positioning model based on IPSO-LSTM for position prediction of underground moving targets in response to the problem of existing ranging algorithms which are affected by the on-site environment,resulting in insuffici…查看全部>>
王红尧;房彦旭;吴钰晶;吉正平;赫海全;鲜旭红
中国矿业大学(北京)机械与电气工程学院,北京 100083中国矿业大学(北京)机械与电气工程学院,北京 100083安标国家矿用产品安全标志中心有限公司,北京 100013中国矿业大学(北京)机械与电气工程学院,北京 100083窑街煤电集团有限公司,甘肃兰州 730084窑街煤电集团有限公司,甘肃兰州 730084
矿山工程
井下动目标改进的粒子群优化算法IPSO-LSTM模型平均定位误差
underground moving targetimproved particle group optimization algorithmIPSO-LSTM modelaverage positioning error
《矿业科学学报》 2024 (3)
393-403,11
北京市优秀青年骨干技术人才(2015000020124G120)中国矿业大学(北京)校级重点教改项目(J20ZD16)
评论