基于自适应CKF的改进LANDMARC井下定位算法研究

作者：苗作华; 陈澳光; 朱良建; 赵成诚; 刘代文

来源：金属矿山, 2023, 1-12.

• 井下定位
• 容积卡尔曼滤波
• BP神经网络
• LANDMARC

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，引入神经元参数对容积卡尔曼滤波（CKF）进行优化，充分结合BP神经网络迭代式学习和容积卡尔曼滤波（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。实验结果表明，引入自适应CKF进行滤波处理可以大大提高传统的LANDMARC定位算法的稳定性，定位偏差分布更为集中，偏差在1m以下的占90■以上，所提算法的定位偏差在0.612m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。

• 单位
  武汉科技大学