基于改进ELM的煤矿井下定位算法

来源：计算机测量与控制杂志2022年第1期北京时间：

作者：金浩,孙运全,杨海晶

单位：江苏大学电气信息工程学院

摘要：提出了一种基于改进极限学习机（Extreme Learning Machine ELM）神经网络的煤矿井下人员定位算法，针对测距模型易受井下复杂环境干扰，无法准确测距的问题，选用基于指纹的位置匹配模型。使用极限学习机将指纹和位置进行匹配，选用改进鲸鱼优化算法（Improved Whale Optimization Algorithm IWOA）选取ELM合适的输入权值和隐含层阈值，以提高定位精度。在定位的在线阶段，将新的指纹数据代入带动态权值因子的在线顺序极限学习机（Dynamic Weight Factor Online Sequential Extreme Learning Machine DOS-ELM）模型对定位模型进行动态调整，以克服电磁传播环境变动使定位结果产生的误差。仿真实验结果表明，该模型的定位误差在1.5m以内的置信概率为72%，平均定位误差为1.64m，与其他算法的实验结果相比，本文算法鲁棒性强，定位精度高

关键词：井下人员定位;改进鲸鱼优化算法;极限学习机;在线序列方法;自适应定位

基金资助：中国博士后面上基金项目(20110491358)；江苏大学高级人才研究项目(13DG054)