排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
提出了一种基于PSO-BP神经网络的煤矿井下自适应定位算法。针对传统的基于测距模型的定位算法易受煤矿井下环境干扰、测距误差大的问题,选择指纹匹配定位模型。针对煤矿井下环境强时变性,易增大实时采集的指纹信息与离线阶段建立的静态指纹数据库信息的匹配误差问题,将信标节点作为参考点的校准节点,以更好地反映参考点随环境变化的情况,避免增加额外的校准节点;在不增加硬件成本的同时,通过动态补偿法实时修正目标节点指纹数据,解决了指纹匹配定位模型自适应差的问题。匹配定位阶段采用PSO优化BP神经网络权值,以加速BP神经网络收敛,提高学习速度。实验结果表明,该算法更加适应随时间变化的煤矿井下环境,满足井下自适应定位要求。 相似文献
5.
6.
7.
分析了目前运行的空调系统普遍存在的送新风能力不足、忽视增进人民健康功能的倾向,探讨了发展健康型空调的技术途径。 相似文献
8.
针对现代高层建筑机电安装过程中管道集中、种类繁多,施工环境差,安全隐患多等特点,结合具体工程对管线综合布置方法进行了探讨,指出施工中首先应对其有限空间的基本情况进行分析,从原理和功能角度在图纸上进行初步排布,然后精确定位。 相似文献
9.
10.
为解决煤矿井下动态环境下传统指纹匹配算法定位精 度较低的问题,提出了基于贝叶斯模糊概率的指纹匹配定位 算法.该算法在煤矿井下建立基于校准节点的可靠度机制, 用校准节点发射锚节点接收的信号强度来衡量待定位区域 无线信道传输环境变化的情况;将待测点的可靠度与贝叶斯 后验概率作为模糊系统的输入,计算模糊概率作为参考点的 权值计算出待测点的坐标.以井下巷道实测数据进行的试 验仿真结果表明,基于贝叶斯模糊概率的指纹匹配定位算法 的定位 精 度 较 贝 叶 斯 指 纹 匹 配 定 位 算 法 的 精 度 约 提 高 17%,满足井下复杂动态环境的高定位精度. 相似文献