基于UKF的深井监测移动节点定位算法

针对线性系统理论的监测定位技术误差较大且又无法实时监测深井人员及移动设备的位置问题,提出一种基于非线性函数不敏卡尔曼滤波（UKF）移动节点定位算法（U-MPA）。在建立U-MPA监测系统及巷道模型的基础上,采用UKF方法对RSSI滤波测距,通过局部坐标系,实现对移动节点实时定位监测;同时,通过改变锚节点间距密度,实现不同定位精度要求。仿真实验表明:U-MPA算法相比RSSI算法定位误差有明显减小,U-MPA算法的平均定位偏差为RSSI算法的44%。     

基于阶次序列与凸规划的铀尾矿库监测定位算法

在铀尾矿库放射性核素泄露污染WSN监测中,针对凸规划定位精度低的问题,提出一种基于阶次序列的凸规划定位算法。通过划分子区域缩小未知节点几何约束范围,建立各子区域的重心坐标到锚节点的阶次序列表,计算未知节点序列与序列表的相关度,并以最大相关度的子区域重心坐标为定位结果。使该改进算法满足低密度条件的定位并能减少其计算量提高定位精度。经过仿真,新算法较凸规划算法在定位精度上提高了14%。     

铀尾矿库WSN安全监控镜像约束域定位算法

铀尾矿库的WSN安全监控监测技术是一门新型领域技术,是实现铀尾矿库安全综合治理的重要前提,定位技术因其能够快速定位事件发生区域的地理位置而成为WSN的关键技术之一。RSSI测距定位技术因其易于实现、成本低等特点而被广泛应用,然而其在铀尾矿库中会受到多径、非视距等因素的影响,远距离得到的RSSI值测距误差较大。为此,提出一种镜像最小通信圆约束域定位算法,未知节点利用多个近距离RSSI测距值生成最小通信圆,以锚节点坐标镜像最小通信圆生成镜像圆,多条件约束形成定位区域进行区域定位。仿真结果表明:多最小通信圆定位效果优于单最小通信圆,且比传统RSSI和RSSI质心算法具有更高的定位精度和较小的误差均方差。     

基于粒子群优化和巷道分区的深井WSN定位算法

针对现有深部矿井中人员定位精度不足问题,提出一种基于粒子群优化(PSO)及巷道分区的深井无线传感器网络(WSN)定位算法(PTWL)。将直型巷道里相邻锚节点之间的区域等分,利用信号强度等级对所划分的区域进行标记,以巷道中未知节点接收到的信号强度确定其大致区域,采用PSO算法对未知节点的最大概率坐标进行运算,实现精确定位;通过仿真试验对比PTWL与信号强度指示(RSSI)、信号强度分区(RSSP)算法的优劣。结果表明:PTWL算法比经典RSSI算法和RSSP算法定位精度更高。     

基于SSO的铀尾矿库无线传感器网络定位算法

为提高铀尾矿库无线传感器网络(WSN)定位算法的定位精度和收敛速度,利用优化的麻雀搜索算法(SSA)改进基于信号强度指示(RSSI)的定位算法。首先,引入混沌映射和精英方向学习初始化麻雀种群,丰富种群多样性,提高算法的全局寻优能力;其次,采用莱维飞行策略改进搜索者的位置更新方式,避免陷入局部最优;然后,采用优化的SSA代替最小二乘法来定位未知节点,并将定位算法应用于铀尾矿库放射性核素污染监测定位;最后,在不同的锚节点数、通信半径以及噪声标准差条件下,对比麻雀搜索优化定位算法(SSOLA)与加权质心定位算法(WCLA)、接收信号强度指示差定位算法(RSSID)、麻雀搜索定位算法(SSA)、粒子群定位算法(PSO)以及樽海鞘群定位算法(SAP)的性能。结果表明：SSOLA与其余5种算法相比定位误差平均下降41.9%、45.2%、26.8%、39.9%和36.9%,定位精度更高,收敛速度更快。     

基于接收信号强度分区矿山无线定位算法

针对井下工作人员的平时考勤以及发生井下事故时能够对受困人员进行及时有效的定位搜救,提出了一种接收信号强度分区（RSSP）定位算法。RSSP定位算法把井下相邻参考节点间划分为若干分区,根据井下人员（移动节点）所在巷道位置的接收信号及强度情况对其进行定位。此算法比较简单,功耗低。经过MATLAB模拟仿真,得出RSSP算法比经典的RSSI和RFID算法定位精度更高。     

1种抑制巷道信号NLOS的矿井RSSI高精度定位算法*

在RSSI（Received Signal Strength Indication）测距定位技术中,为抑制巷道信号NLOS（Non Line of Sight）传输对定位结果的影响,提出信号指纹定位和几何优化算法。在离线阶段利用高斯滤波最大值加权法和最小二乘法建立符合矿井巷道环境的无线信号测距模型,设计改进卡尔曼滤波器平滑处理离线信号值,抑制巷道信号NLOS传输带来的影响,建立离线信号指纹库;在线定位阶段,利用加权K最近邻法（WKNN）将定位目标接收到的信号值与指纹库中的信号值进行匹配,将匹配到的最优信号值参与测距定位计算,最后通过几何优化算法将定位结果归一化处理,使其符合一维定位分布。结果表明:所提算法的平均定位误差为0.9 m,相比于高斯滤波最大值加权法、经典卡尔曼滤波指纹定位算法和改进卡尔曼滤波指纹定位方法,其平均误差分别减小2.36,1.17,0.35 m。所提算法能够有效抑制巷道信号NLOS传输对RSSI测距定位的影响,可实现RSSI方法在矿井NLOS环境中的有效应用。     

无线传感器网络在执勤枪械定位中的应用

为了加强部队安全工作,防止执勤枪弹丢失情况的发生,本文提出采用无线传感器网络定位技术,在监测区域设置信标节点,使用RSSI测距方法和加权质心定位算法,实现对枪械的定位.从而加大对执勤枪支的监管力度,预防武器装备丢失,防止涉枪涉弹重大事故发生.     

一种改进的疏散节点踩踏风险评估算法

为解决四变量算法中存在的计算精度不高和数值不连续问题,基于踩踏事故概率设计随坡度单调递增的倾斜度函数、以人流股数为计算单位的宽度系数函数以及以节点直接承受疏散人流为基础的汇集度函数,并据此构建点型节点、线型节点和面型节点的踩踏风险评估算法.研究结果表明:改进算法能够有效避免四变量算法存在的问题,在算法稳定性、参数敏感性...     

基于综合评价法的矿山微震监测台网布设评

为建立合理有效的矿山微震监测台网布设合理性综合评价模型,选择定位精度、定位稳定性、有效监测范围、施工条件和经济因素五类综合性评价指标,分别采用了十分制量化方法,计算各项指标的评价值;再采用特尔菲法,由多位专家对五项指标进行赋值,根据赋值结果计算各项指标在综合评价模型中所占权重;最后由各评价指标的得分和权重计算台网综合评价值,并对综合评价值的取值区间进行梯度分级,最终建立矿山微震监测台网布设合理性评价模型。通过某磷矿微震监测台网布置合理性验证,表明该模型能够对微震台网进行全面有效评价,评价结果可以为台网评价及优化提供理论依据。     

基于组合赋权法的空管监视信息质量评估

为准确评估监视信息质量,给空中交通管制(ATC)提供决策依据,预防事故的发生,从目标航迹完整性、精确性、正确性等3个方面出发,构建由跟踪完整性、参数完整性、位置精度、速度精度、航向精度、参数正确性和目标真伪值等7个指标构成的监视信息质量评估体系;以总偏差最小为目的 将可拓层次分析法(EAHP)和熵权法有效结合确定指标权...     

基于遗传-BP算法的煤矿安全监控系统测试研究

针对煤矿监控系统的测试要求,提出了一种自动生成测试用例数据的方法用于煤矿监控系统的测试任务。该方法利用遗传算法和BP算法对要测试的功能模块和逻辑结构进行分析解读,通过全局寻优得出最佳测试路径和测试数据,对于提高测试的精准性和有效性有很大优势,而且相对与人工测试更加安全。新的测试用例生成算法结合遗传算法和BP算法,能充分发挥遗传算法的全局寻优能力和BP算法学习能力强的优势,使得数据生成更快捷可靠。选取煤矿监控系统的部分功能测试作为实验材料,与人工测试方法和利用遗传该算法生成测试数据进行了比较。结果表明,该新方法能够更好的检测出煤矿监控系统中的错误,发现错误的数量和时间都较人工测试要好,对于提高煤矿安全监控系统的准确性和稳定性有较好的帮助。     

基于改进型萤火虫群优化算法泄漏源源强及位置反算研究*

针对标准萤火虫群优化算法（GSO）在危化品泄漏源源强及位置反算中存在精度不高,容易陷入局部最优等局限,提出混合萤火虫-Nelder Mead单纯形算法（GSO-NM）,并与基于步长的改进萤火虫群优化算法（MGSO）以及单纯形搜索混合协同进化萤火虫群优化算法（HCGSOSSM）进行比较分析,将3种改进型萤火虫群优化算法应用于泄漏源源强及位置反算中进行比较分析。研究结果表明:GSO-NM算法可以有效提高定位精度和稳定性,能较为精确地反算出泄漏源源强及位置,为泄漏源源强及位置反算研究提供1种新思路。     

基于BP神经网络的岩石损伤声发射事件源定位研究*

工程岩体一般包含大量的节理、裂隙等各类缺陷,利用AE技术可以对缺陷进行定位,但仍然有很大误差。为进一步减小AE定位误差,确定缺陷位置,做好安全预警工作,研究提高岩石声发射定位精度的优化方法。利用断铅实验模拟产生声发射信号,将声发射信号特征参数中的幅值、能量、振铃计数以及到达时差作为输入,断铅点真实坐标作为输出,构建BP神经网络模型,并通过实验确定最优隐含层数等参数,最后通过交叉学习训练交叉预测得出断铅点坐标,并与基于到达时差的传统定位法以及考虑材料各向异性条件下的波速优化算法进行对比。结果表明:BP神经网络算法与传统方法相比,板状岩石声发射定位的误差显著减小,定位精度提高;岩石试件定位误差的误差波动更为平稳,有效改善了声发射源位置对定位效果的影响。本方法为岩石缺陷的精确定位提供了1种较好的技术手段。     

Image rotation method for identification of NPW signals in the localization of pipeline leakage

Gas and oil are mainly transported through long-distance pipelines on land. Pipeline leaks lead to severe hazards to the environment and economy and even imperil human lives. Negative pressure wave (NPW)-based methods are fast and effective for leak monitoring and localization. The key problem for an NPW-based method is to determine the NPW and its arrival time, which is characterized by the knee point in the time domain signal. In this paper, an image rotation method is proposed based on the shape characteristic of the time domain signal induced by an NPW. Through image rotation, the knee point turns into the highest point, which is easy to detect. To verify the performance of the proposed method, leakage experiments were conducted on liquid and gas pipeline models. Previously developed FBG pipe fixture sensors were used to detect an NPW. These sensors were equidistantly installed on the pipeline, forming a sensor array. Based on the sensing array, a novel leak localization algorithm was used to compute the leakage position. The experimental results indicated that the image rotation method has good performance for identifying an NPW, even though many noise- and pressure-induced fluctuations exist in the signals. This method enables automated real-time monitoring and has potential for practical application.