金属矿山

作者：苗作华,陈澳光朱良建赵成诚刘代文

单位：1. 武汉科技大学资源与环境工程学院,湖北 武汉 430081;2. 冶金矿产资源高效利用与造块湖北省重点实验室,湖北 武汉 430081

关键词：井下定位,容积卡尔曼滤波,BP神经网络,LANDMARC,智能矿山,

基金：国家自然科学基金项目(编号:41071242,41971237);教育部产学合作协同育人项目(编号:202102136008)。

在矿山井下进行人员定位时,为解决传统的 LANDMARC 算法受井下复杂环境影响出现的定位结果精度不高、波动大的问题,提出了一种基于自适应容积卡尔曼滤波( Volumentric Kalman Filtering,CKF) 的改进 LANDMARC 井下定位算法。 首先,该算法结合传统的 LANDMARC 定位算法建立井下三维空间模型并求解目标位置状态预估值;其次,利用 BP 神经网络的泛化映射能力,引入神经元参数对 CKF 算法进行优化,充分结合 BP 神经网络迭代式学习和 CKF 在强非线性系统中保持稳定的特点,提高定位算法的自适应能力;最后,将位置状态预估值作为观测量进行自适应 CKF 滤波处理,用优化后的结果作为目标位置坐标的真实值输出,提高了井下定位的精准性。 试验结果表明:引入自适应 CKF 进行滤波处理可以大大提高传统 LANDMARC 定位算法的稳定性,定位偏差分布更为集中,偏差在 1 m 以下的占 90%以上,所提算法的定位偏差在 0. 612 m 以下的标签达到 60%,可满足井下复杂动态环境的高稳定性要求,与传统的 LANDMARC 定位算法和经由 HIF 滤波的 LANDMARC 定位算法相比应用于井下定位具有更好的适用性。

来源：2024年第01期

《金属矿山》期刊编辑部

查看金属矿山杂志2024年第01期