[发明专利]一种基于改进卡尔曼滤波的采煤机定位方法

权利要求书

1.一种基于改进卡尔曼滤波的采煤机定位方法其特征在于：使用四个惯性传感器构成差分布置，进行数据同步接收，对每个惯性传感器采用果蝇优化卡尔曼滤波算法进行初始对准，利用差分式惯性传感组件进行数据融合，通过位姿差分解算算法对融合后的数据进行位姿解算，得到采煤机准确的位姿参数。

2.根据权利要求1所述的一种基于改进卡尔曼滤波的采煤机定位方法，其特征在于：所述惯性传感器组件差分布局方法，采用4个惯性传感器构成差分结构，每相邻的两个惯性传感器之间均有两个坐标轴反向。

3.根据权利要求1所述的一种基于改进卡尔曼滤波的采煤机定位方法，其特征在于：所述改进后的果蝇优化卡尔曼滤算法包括如下步骤：

S1初始化果蝇优化算法的各参数：首先设置果蝇的种群大小 sizepop、最大迭代次数maxgen、维度 d、频率变量 fmin 和 fmax、果蝇个体变量 i、迭代变量 m、初始的经度 l 和纬度 L、重力加速度 g、地球自转角速度 wie 等；

S2粗对准：根据已知量直接求解粗对准微分方程，可以得到粗对准下的姿态变换矩阵nbC 、航向角、俯仰角和横滚角的初始值；

S3随机初始化果蝇的初始位置范围LR ，赋予每个果蝇个体搜寻食物的随机方向和距离 FR ：当最优味道浓度值超过两代不更新最优值时，以当前种群最优位置为起始点，采用t 分布代替均匀分布作为搜索步长，其自由度选为迭代变量m，否则，引入频率变量f，且以果蝇本身的位置为起点，估计离坐标原点的距离（Disti）和味道浓度判定值 S(i)；

S4 将味道浓度判定值 S(i)作为卡尔曼滤波算法的系统噪声方差进行卡尔曼滤波Kalman(S(i))；

S5 将真实值与预测值的均方误差作为适应度函数评价指标，找出最优味道浓度bestsmell 和最优果蝇个体位置 bestindex；

S6 将当前的最优味道浓度值和上一代最优味道浓度值进行比较，若当前最优浓度值比上一代好，则记录当前的最优味道浓度和最优位置，并使其他果蝇个体飞行该最优位置；

S7 重复S3至步骤S6直到达到最大迭代次数 maxgen。

4.根据权利要求1所述的一种基于改进卡尔曼滤波的采煤机定位方法，其特征在于：所述姿态差分解算算法，采用四元数法求解姿态变换矩阵。

5.根据权利要求1所述的一种基于改进卡尔曼滤波的采煤机定位方法，其特征在于：所述姿态差分解算算法，采用四元数法求解姿态变换矩阵。