基于IPSO-LSTM的井下动目标位置预测实验研究

摘要

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、非线性惯性权重递减、非对称优化学习因子和适应度函数优化4种改进策略，实验证明改进的PSO优化算法收敛速度快、鲁棒性好。为验证IPSO-LSTM的定位效果，以平均定位误差作为评价指标，将IPSO-LSTM模型与Chan算法、PSO-LSTM模型、LSTM神经网络、SSA-LSTM模型和GWO-LSTM进行对比，结果显示，IPSO-LSTM定位模型的平均定位误差为30 mm,相对传统Chan算法、LSTM、PSO-LSTM模型分别提升了76%、49%、24%。为降低局部误差偏大的现象，采用中值滤波对输入信息处理，进一步提升了定位精度。研究对进一步提高现有井下动目标定位系统的精度和稳定性具有重要意义和参考价值。

关键词

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