[发明专利]一种基于阵列式惯性单元的采煤机定位方法

权利要求书

1.一种基于阵列式惯性单元的采煤机定位方法，其特征在于，包括步骤：

S1：在采煤机的箱体上方将惯性单元布置成阵列式结构组成惯性传感器，所述惯性传感器由四个惯性单元组成，四个惯性单元等间距分布在同一个圆周上；

S2：将惯性传感器采集的角速度、加速度信息传送到控制器中进行去噪、融合解算、误差修正；

S3：将步骤S2获得的数据发送到PC上位机进行定位显示；

所述步骤S2中的融合解算还包括：以东北天方向为正，构建角速度输出矩阵：

其中，ω_xt、ω_yt、ω_zt分别代表三个方向的真实角速度，ω_xr1、ω_xr2、ω_xr3、ω_xr4分别表示第一至第四个惯性单元x方向的随机漂移，ω_yr1、ω_yr2、ω_yr3、ω_yr4分别表示第一至第四个惯性单元y方向的随机漂移，ω_zr1、ω_zr2、ω_zr3、ω_zr4分别表示第一至第四个惯性单元z方向的随机漂移；

和加速度融合方程：

其中，a_xt、a_yt、a_zt分别代表三个方向的真实加速度，g_x、g_y、g_z分别代表三个方向的重力加速度分量，a_xr1、a_xr2、a_xr3、a_xr4分别表示第一至第四个惯性单元x方向的随机漂移，a_yr1、a_yr2、a_yr3、a_yr4分别表示第一至第四个惯性单元y方向的随机漂移，a_zr1、a_zr2、a_zr3、a_zr4分别表示第一至第四个惯性单元z方向的随机漂移。

2.根据权利要求1所述的一种基于阵列式惯性单元的采煤机定位方法，其特征在于，步骤S2中的去噪是采用基于果蝇算法的小波去噪。

3.根据权利要求2所述的一种基于阵列式惯性单元的采煤机定位方法，其特征在于，所述基于果蝇算法的小波去噪包括：用果蝇算法优化小波去躁的阈值，每个果蝇种群对应小波每一层的阈值，味道浓度值以去噪之后的信号和原始信号的最小均方误差为目标，其步骤具体如下：

S21：初始化基于果蝇算法的小波去噪算法参数，主要包括：小波基函数ψ(·)、小波分解层数J、改进的果蝇算法最大迭代次数N、每个果蝇种群中个体数量P、种群位置范围LR、随机飞行距离FR；初始化各个种群位置，以及每个种群中的个体位置，个体的随机飞行距离服从正态分布；每层的阈值通过一个果蝇种群进行优化；

S22：对含噪的四路采煤机传感器信号进行J层小波分解，获取各层小波系数；计算各种群中所有果蝇的距离与味道浓度判断值，每个味道浓度判断值对应一个阈值的可行解，对每种可行解组合进行去噪，之后进行小波重构，计算每种可行解下的适应度值，选出其中最大的记为smellbest，保存位置Si(i)；

S23：更新种群位置至对应的果蝇位置Si(new)，计算当代果蝇的位置、味道浓度判断值以及适应度，选择其中适应度最大的记为bestsmell，并记录对应果蝇的位置；比较全局最大值smellbest与当前最大值bestsmell，若当前最大值大于全局最大值，用bestsmell替代smellbest，同时用对应的果蝇位置替代果蝇种群的位置；

S24：判断当前迭代次数n是否达到最大迭代次数N；若达到，停止迭代并输出最优去噪效果对应的重构信号以及各阶去噪阈值；若否则重复步骤S33。

4.根据权利要求1所述的一种基于阵列式惯性单元的采煤机定位方法，其特征在于，所述步骤S2中的误差修正采用无迹卡尔曼滤波算法进行滤波获得最优估计；所述步骤S3具体包括：将步骤S2中获得的最优估计通过USB转串口发送到PC上位机进行定位显示。