CN114777629B - 地下管网的传感器定位方法、装置、设备及介质 - Google Patents
地下管网的传感器定位方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114777629B CN114777629B CN202210433561.5A CN202210433561A CN114777629B CN 114777629 B CN114777629 B CN 114777629B CN 202210433561 A CN202210433561 A CN 202210433561A CN 114777629 B CN114777629 B CN 114777629B
- Authority
- CN
- China
- Prior art keywords
- sensor
- positioning
- pipe network
- underground pipe
- magnetic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 55
- 230000006698 induction Effects 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 10
- 230000014509 gene expression Effects 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 238000005192 partition Methods 0.000 claims description 2
- 230000004807 localization Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/003—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring position, not involving coordinate determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开一种地下管网的传感器定位方法、装置、设备及介质,其针对地下管网的每一个装有永磁体的传感器,建立定位模型,并根据待定位传感器的磁场强度数据和所述定位模型,建立所述待定位传感器的定位误差目标函数,最后采用人群搜索优化算法找出使得所述定位误差目标函数最小的定位数据,并基于所述定位数据,得到所述待定位传感器的位置。本发明针对定位信号在传播过程中容易受到环境干扰明显、精确度较低等痛点,在建立基于永磁体的定位模型的基础上,基于人群搜索算法应用于地下管网的传感器定位,磁传感技术的磁定位方法结合无线传感器网络能够对大范围的地下管网传感器进行精确定位,为管道检测提供有效的信息。
Description
技术领域
本发明涉及传感器定位技术领域,尤其涉及一种地下管网的传感器定位方法、装置、设备及介质。
背景技术
目前,全国多个城市的地下管网建设正如火如荼的展开。城市地下管网是城市建设的重要内容,它被形象的比喻成城市的“动脉”,加强城市地上地下管网的智能化管理对城市健康、安全、有序的发展意义重大。由于管网建设位于地下,在通风效果不佳或长期半封闭的状态下,内部环境不确定安全因素很多,为了充分保障管网内环境安全,采用现代传感器技术对管网状态进行实时监测、发现潜在安全隐患是非常重要的。
在地下管网建设施工期间,各类传感器,特别是各类有毒有害气体传感器,可确保施工人员安全;在建设完毕运营期间,这些传感器还可随时监测管网环境状况信息,方便维护检修,同时保障巡检人员和检修人员的安全。但是在地下管网中会存在全球定位系统信号较弱或信号缺失,导致传感器的定位出现偏差或者无法定位的情况。因此,如何在定位信号弱或者信号缺失的地下管网环境中为传感器提供地理位置服务已经成为当前地下管网高精度定位技术的研究热点和难题。
发明内容
本发明多个方面提供一种地下管网的传感器定位方法、装置、设备及介质,其能在定位信号弱或者信号缺失的地下管网环境中为传感器提供地理位置服务,且传感器的定位精度得到有效提高。
本发明第一方面提供地下管网的传感器定位方法,包括:
对于地下管网的每一个装有永磁体的传感器,将永磁体等效为磁偶极子,并建立所述传感器的定位模型;
根据待定位传感器的磁场强度数据和所述定位模型,建立所述待定位传感器的定位误差目标函数;
采用人群搜索优化算法找出使得所述定位误差目标函数最小的定位数据,并基于所述定位数据,得到所述待定位传感器的位置。
本发明第二方面提供一种地下管网的传感器定位装置,包括:
定位模型建立模块,用于对于地下管网的每一个装有永磁体的传感器,将永磁体等效为磁偶极子,并建立所述传感器的定位模型;
目标函数建立模块,用于根据待定位传感器的磁场强度数据和所述定位模型,建立所述待定位传感器的定位误差目标函数;
传感器定位模块,用于采用人群搜索优化算法找出使得所述定位误差目标函数最小的定位数据,并基于所述定位数据,得到所述待定位传感器的位置。
本发明第三方面提供一种地下管网的传感器定位设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面提供的地下管网的传感器定位方法。
本发明第四方面提供一种存储介质,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行如如上述第一方面提供的地下管网的传感器定位方法。
与现有技术相比,本发明的有益效果如下:
本发明提供的地下管网的传感器定位方法,其针对地下管网的每一个装有永磁体的传感器,建立定位模型,并根据待定位传感器的磁场强度数据和所述定位模型,建立所述待定位传感器的定位误差目标函数,最后采用人群搜索优化算法找出使得所述定位误差目标函数最小的定位数据,并基于所述定位数据,得到所述待定位传感器的位置。本发明针对定位信号在传播过程中容易受到环境干扰明显、精确度较低等痛点,在建立基于永磁体的定位模型的基础上,基于人群搜索算法应用于地下管网的传感器定位,磁传感技术的磁定位方法结合无线传感器网络能够对大范围的地下管网传感器进行精确定位,为管道检测提供有效的信息。
附图说明
图1是本发明实施例提供的地下管网的传感器定位方法的一个流程示意图;
图2是本发明实施例提供的磁传感器的位置和姿态示意图;
图3是本发明实施例提供的地下管网的传感器定位方法的另一个流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,图1示出了本发明实施例提供的地下管网的传感器定位方法的流程,包括步骤S11~S13:
S11,对于地下管网的每一个装有永磁体的传感器,将永磁体等效为磁偶极子,并建立所述传感器的定位模型。
具体的,永磁体周围空间的磁场分布具有特定的规律,当永磁体的尺寸远小于传感器和永磁体间的距离时,可以将永磁体等效为磁偶极子模型,进一步将传感器等效为刚体模型,进一步建立圆柱永磁体数学定位模型,作为传感器的定位模型。
S12,根据待定位传感器的磁场强度数据和所述定位模型,建立所述待定位传感器的定位误差目标函数;
S13,采用人群搜索优化算法找出使得所述定位误差目标函数最小的定位数据,并基于所述定位数据,得到所述待定位传感器的位置。
在一种可选的实施方式中,所述传感器的定位模型通过如下步骤建立,具体为:
对于装有永磁体的传感器,当永磁体等效为磁偶极子时,传感器在距离磁感应检测点处产生的磁感应强度为:
式中,为传感器的磁感应强度,其完整形式为/>μ0为介质磁导率,为磁偶极子的磁矩,其完整形式为/> 为磁偶极子到磁感应检测点的矢径,其完整形式为/>r为矢量/>的模;
由图2示出的磁传感器的位置和姿态示意图,为磁传感器(即磁感应检测点)的中心矢径,/>一旦确定即为已知;/>为永磁体的中心矢径;将式(1)展开为x、y、z三个方向的标量表达式:
式(2)中,r=[(x′-x)2+(y′-y)2+(z′-z)2]1/2;
永磁体的位置和姿态分别由R和m表示。磁矩m中不包含永磁体自旋信息,因此磁定位不能确定永磁体的自旋状态。令磁矩用方位角来描述:
在永磁体磁场作用下,传感器i检测的磁场强度为传感器i检测得到x,y,z3个方向的磁场强度分别为:/>和/> 为传感器i的中心矢径,传感器的位置一旦确定,/>即为已知。令/>为永磁体中心到传感器i的矢径,则有:
则由式(1)~(4),得到所述传感器的定位模型为:
式中:i=1,2,…,N,N为地下管网的传感器总数。
在一种可选的实施方式中,在所述建立所述传感器的定位模型之后,且所述建立所述待定位的管网传感器的定位误差目标函数之前,还包括:
磁矩m的绝对值为一个定值,则所述定位模型中的未知变量为和并设定未知变量/>则式(5)可以表示为如下形式:
将式(6)表示成如下形式:
其中,即为/> 即为/>
引入矩阵矩阵/>和对角阵Λ:
Λ=diag(a1,a2,…,a3N) (10)
其中,a1=0或1,且有l=1,2,…,3N,l为地下管网中的传感器总数,al=0表示实际测量中传感器不测量该方向的磁场大小,al=1为实际测量中传感器测量该方向的磁场大小,对角阵Λ中非零元素表示测量该方向上的磁感应强度,分别表示第1个传感器的磁感应强度、第2个传感器的磁感应强度和第N个传感器的磁感应强度;
将式(7)的3N个方程表示成如下形式:
令rank(Λ)≥5,将对角阵Λ的全零行剔除后得到选择阵Sn×3N,其中n=rank(Λ),则式(11)转换为n个方程的非线性方程组:
由上述,求解式(12)中α的过程,即为确定永磁体位置和姿态/>的过程。这样确定磁定位问题就等价于非线性方程组(12)的求解问题。
在一种可选的实施方式中,所述定位误差目标函数,具体为:
将式(12)在最小二乘法意义下求解,定义误差函数为:
其中,为误差的测量值,/>为误差的计算值;
则,定位误差目标函数为:
式中:n=rank(Λ),em(α)表示第m次测量的误差函数。
在确定了极小化目标函数的基础上,即可以用定位算法求得待定位传感器的位置,在本发明实施例中,采用的是人群搜索优化算法。
在一种可选的实施方式中,所述采用人群搜索优化算法找出使得所述定位误差目标函数最小的定位数据,并基于所述定位数据,得到所述待定位传感器的位置,具体包括:
应用人群搜索算法搜索所述待定位传感器的检测感应方向和传感器布局间隔,以根据所述待定位传感器的检测感应方向和传感器布局间隔完成所述待定位传感器在搜索空间中的位置更新;
以所述定位误差目标函数最小为目标,对所述待定位传感器进行多次位置更新,直至找出使得所述定位误差目标函数最小的定位数据,得到所述待定位传感器的位置。
在一种可选的实施方式中,所述待定位传感器的检测感应方向通过如下步骤计算:
传感器的检测感应方向是由传感器个体自身进行检测所获得的经验梯度和对其他传感器个体搜索历史位置的评价所决定的,定义所述待定位传感器在j维平面上的各个检测方向和预测感应方向为,其中,j=3:
采用随机加权平均对所述待定位传感器的各个检测方向和传感器预测感应方向进行计算,得到所述待定位传感器的检测感应方向,即:
其中,t1,t2∈{t,t-1,t-2},和/>分别为待定位传感器在t时刻、t1时刻和t2时刻的位置,/>为待定位传感器的检测感应方向;为待定位传感器的预测感应方向;/>为待定位传感器在x轴方向上的历史位置,/>为待定位传感器在y轴方向上的历史位置;/>为待定位传感器在z轴方向上的历史位置;/>和/>为给定区间内均匀随机选取的实数[0,1],ω为惯量权重。
对于传感器布局间隔,人群搜索优化算法中搜索传感器的布局间隔指的是推理搜索系统的逼近能力,通过计算机语言来描述一些可以模拟人类智能推理搜索行为的人类自然语言,表达简单的搜索规则:适应目标函数的值越大,传感器的布局间隔越大;相反,适应度越小,布局间隔就相应的变小。
则,在一种可选的实施方式中,所述传感器布局间隔通过如下步骤计算:
采用高斯隶属度函数来描述传感器的布局间隔搜索变量,即:
式中,α和δ为隶属函数的参数;
选择以下函数作为使得定位误差目标函数值趋近于一最小目标值的搜索变量:
μij=rand(μi,1),j=1,2,…,D(22)
其中,μi为搜索变量,μij表示μi在三维空间的表现形式,μmax为最大隶属度值,μmin为最小隶属度值,s为最大布局间隔距离;D为现实最大维度值,Ii为按定位误差目标函数值由高到低排列当前种群序列的个数,rand(μi,1)是分布在任意分区[μi,1]中的实数;
具体的,由式(17)可知,输出变量超过[-3δ,3δ]的概率小于0.0111。因此,最小隶属度值设置为μmin=0.0111。通常情况下,个体的最佳位置是μmax=1.0,最差位置是0.0111。最优个体的布局间隔不确定,为了加快收敛速度,本发明实施例将μmax设置为0.9。
由式(18)可以看出,它模拟了人类随机搜索行为。进而可由式(20),确定传感器布局间隔:
其中,αij为传感器布局间隔,δij为高斯隶属函数的一个参数,由式(21)-(22)确定:
ω=(itermax-G)/itermax (24)
其中,G是当前的迭代次数,itermax是最大优化代数,和/>分别为种群函数中函数值最小值和最大值的位置,其中,种群是指人群搜索算法中的人群群落,在也可以理解为是所有传感器的集合;函数值的最大值和最小值分别指的是传感器布局间隔的最大值和最小值。
在一种可选的实施方式中,在确定了每个传感器的检测感应方向和传感器布局间隔后,位置更新如式(26)所示:
式中,i表示第i个传感器,j表示个体维数;dij(t)和αij(t)分别表示传感器i在t时刻的检测感应方向和布局间隔,xij(t)和xij(t+1)分别表示传感器i在t和(t+1)时刻的位置。
综上,本发明实施例提供的地下管网的传感器定位方法的具体实现方式可参见图3,其具体流程包括:
步骤1,建立地下管网中传感器的定位模型,得出定位误差目标函数;
步骤2,初始化参数μmax(最大隶属度值)、μmin(最小隶属度值)、ω(惯性权重)、和/>等;
步骤3,在地下管网中依据管道走向生成N个传感器,取第i个传感器为研究对象,应用人群搜索优化算法计算定位误差目标函数的值;
步骤4,根据式(19)计算生成的传感器的检测感应方向,根据式(23)计算生成的传感器的布局间隔,根据式(26)更新传感器位置;
步骤5,判断更新后的传感器定位偏差值是否为最小值,若为最小值,则输出结果;若不是,则进化代数G=G+1,重复步骤4直至求出最优值。
本实施例基于地下管网的传感器定位情景,采用磁传感技术的磁定位方法结合无线传感网络,并应用人群搜索优化算法实现对地下管网传感器的精确定位;其中,人群搜索优化算法通过增加进化代数,弥补了算法收敛速度的不足;通过提高定位的精确度,确保了能够随时准确地掌握地下管网的情况,在管网出现损坏时能够第一时间确定损坏位置,方便了工人的施工和维修。
本发明实施例第二方面提供一种地下管网的传感器定位装置,包括:
定位模型建立模块,用于对于地下管网的每一个装有永磁体的传感器,将永磁体等效为磁偶极子,并建立所述传感器的定位模型;
目标函数建立模块,用于根据待定位传感器的磁场强度数据和所述定位模型,建立所述待定位传感器的定位误差目标函数;
传感器定位模块,用于采用人群搜索优化算法找出使得所述定位误差目标函数最小的定位数据,并基于所述定位数据,得到所述待定位传感器的位置。
需要说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本发明实施例第三方面提供一种地下管网的传感器定位设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述实施例提供的地下管网的传感器定位方法。
本发明实施例第四方面提供一种存储介质,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行如上述实施例提供的超地下管网的传感器定位方法。
所述存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种地下管网的传感器定位方法,其特征在于,包括:
对于地下管网的每一个装有永磁体的传感器,将永磁体等效为磁偶极子,并建立所述传感器的定位模型;
根据待定位传感器的磁场强度数据和所述定位模型,建立所述待定位传感器的定位误差目标函数;
采用人群搜索优化算法找出使得所述定位误差目标函数最小的定位数据,并基于所述定位数据,得到所述待定位传感器的位置;
其中,所述传感器的定位模型通过如下步骤建立,具体为:
对于装有永磁体的传感器,当永磁体等效为磁偶极子时,传感器在距离磁感应检测点处产生的磁感应强度为:
式中,为传感器的磁感应强度,其完整形式为/>μ0为介质磁导率,/>为磁偶极子的磁矩,其完整形式为/> 为磁偶极子到磁感应检测点的矢径,其完整形式为/>r为矢量/>的模;
将式(1)展开为x、y、z三个方向的标量表达式:
式(2)中,r=[(x′-x)2+(y′-y)2+(z′-z)2]1/2,(x′,y′,z′)为传感器的中心矢量,(x,y,z)为永磁体的中心矢径;
令磁矩用方位角来描述:
令为永磁体中心到管网传感器i的矢径,则有:
式中,(xi′,yi′,zi′)为传感器i的中心矢量;
则由式(1)~(4),得到所述传感器的定位模型为:
式中:ri=(xi′-)2+yi′-)2+zi′-)2]1/2,i=1,2,…,N,N为地下管网的传感器总数,为传感器i的磁感应强度;
其中,在所述建立所述传感器的定位模型之后,且所述建立所述待定位的管网传感器的定位误差目标函数之前,还包括:
磁矩m的绝对值为一个定值,则所述定位模型中的未知变量为和/>并设定未知变量/>则式(5)可以表示为如下形式:
将式(6)表示成如下形式:
其中,即为/> 即为/>
引入矩阵矩阵/>和对角阵Λ:
Λ=diag(a1,a2,…,a3N) (10)
其中,a1=0或1,且有l=1,2,…,3,l为地下管网中的传感器总数,l=0表示实际测量中传感器不测量该方向的磁场大小,al=1为实际测量中传感器测量该方向的磁场大小,对角阵Λ中非零元素表示测量该方向上的磁感应强度,分别表示第1个传感器的磁感应强度、第2个传感器的磁感应强度和第N个传感器的磁感应强度;
将式(7)的3N个方程表示成如下形式:
令rank(Λ)≥5,将对角阵Λ的全零行剔除后得到选择阵Sn×3N,其中n=rank(Λ),则式(11)转换为n个方程的非线性方程组:
2.如权利要求1所述的地下管网的传感器定位方法,其特征在于,所述定位误差目标函数,具体为:
将式(12)在最小二乘法意义下求解,定义误差函数为:
其中,为误差的测量值,/>为误差的计算值;
则,定位误差目标函数为:
式中:n=rank(Λ),em(α)表示第m次测量的误差函数。
3.如权利要求1所述的地下管网的传感器定位方法,其特征在于,所述采用人群搜索优化算法找出使得所述定位误差目标函数最小的定位数据,并基于所述定位数据,得到所述待定位传感器的位置,具体包括:
应用人群搜索算法搜索所述待定位传感器的检测感应方向和传感器布局间隔,以根据所述待定位传感器的检测感应方向和传感器布局间隔完成所述待定位传感器在搜索空间中的位置更新;
以所述定位误差目标函数最小为目标,对所述待定位传感器进行多次位置更新,直至找出使得所述定位误差目标函数最小的定位数据,得到所述待定位传感器的位置。
4.如权利要求3所述的地下管网的传感器定位方法,其特征在于,所述待定位传感器的检测感应方向通过如下步骤计算:
定义所述待定位传感器在j维平面上的各个检测方向和预测感应方向为,其中,j=3:
采用随机加权平均对所述待定位传感器的各个检测方向和传感器预测感应方向进行计算,得到所述待定位传感器的检测感应方向,即:
其中,t1,t2∈{t,t-1,t-2},和/>分别为待定位传感器在t时刻、t1时刻和2时刻的位置,/>为待定位传感器的检测感应方向;/>为待定位传感器的预测感应方向;/>为待定位传感器在x轴方向上的历史位置,为待定位传感器在y轴方向上的历史位置;/>为待定位传感器在z轴方向上的历史位置;/>和/>为给定区间内均匀随机选取的实数[0,1],ω为惯量权重。
5.如权利要求3所述的地下管网的传感器定位方法,其特征在于,所述传感器布局间隔通过如下步骤计算:
采用高斯隶属度函数来描述传感器的布局间隔搜索变量,即:
式中,α和δ为隶属函数的参数;
选择以下函数作为使得定位误差目标函数值趋近于一最小目标值的搜索变量:
μij=rand(μi,1),j=1,2,…,D (22)
其中,μi为搜索变量,μij表示μi在三维空间的表现形式,μmax为最大隶属度值,μmin为最小隶属度值,s为最大布局间隔距离;D为现实最大维度值,Ii为按定位误差目标函数值由高到低排列当前种群序列的个数,rand(μi,1)是分布在任意分区[μi,1]中的实数;
由式(20),确定传感器布局间隔:
其中,αij为传感器布局间隔,δij为高斯隶属函数的一个参数,由式(21)-(22)确定:
ω=(itermax-G)/itermax (24)
其中,g是当前的迭代次数,itermax是最大优化代数,和/>分别为种群函数中函数值最小值和最大值的位置。
6.一种地下管网的传感器定位装置,其特征在于,包括:
定位模型建立模块,用于对于地下管网的每一个装有永磁体的传感器,将永磁体等效为磁偶极子,并建立所述传感器的定位模型;
目标函数建立模块,用于根据待定位传感器的磁场强度数据和所述定位模型,建立所述待定位传感器的定位误差目标函数;
传感器定位模块,用于采用人群搜索优化算法找出使得所述定位误差目标函数最小的定位数据,并基于所述定位数据,得到所述待定位传感器的位置;
其中,所述传感器的定位模型通过如下步骤建立,具体为:
对于装有永磁体的传感器,当永磁体等效为磁偶极子时,传感器在距离磁感应检测点处产生的磁感应强度为:
式中,为传感器的磁感应强度,其完整形式为/>μ0为介质磁导率,/>为磁偶极子的磁矩,其完整形式为/> 为磁偶极子到磁感应检测点的矢径,其完整形式为/>r为矢量/>的模;
将式(1)展开为x、y、z三个方向的标量表达式:
式(2)中,r=[(x′-x)2+(y′-y)2+(z′-z)2]1/2,(x′,y′,z′)为传感器的中心矢量,(x,y,z)为永磁体的中心矢径;
令磁矩用方位角来描述:
令为永磁体中心到管网传感器i的矢径,则有:
式中,(x′i,y′i,z′i)为传感器i的中心矢量;
则由式(1)~(4),得到所述传感器的定位模型为:
式中:ri=[(xi′-x)2+(yi′-y)2+(zi′-z)2]1/2,i=1,2,…,N,N为地下管网的传感器总数,为传感器i的磁感应强度;
其中,在所述建立所述传感器的定位模型之后,且所述建立所述待定位的管网传感器的定位误差目标函数之前,还包括:
磁矩m的绝对值为一个定值,则所述定位模型中的未知变量为和/>并设定未知变量/>则式(5)可以表示为如下形式:
将式(6)表示成如下形式:
其中,即为/> 即为/>
引入矩阵矩阵/>和对角阵Λ:
Λ=diag(a1,a2,…,a3N) (10)
其中,a1=0或1,且有l=1,2,…,3,l为地下管网中的传感器总数,l=0表示实际测量中传感器不测量该方向的磁场大小,al=1为实际测量中传感器测量该方向的磁场大小,对角阵Λ中非零元素表示测量该方向上的磁感应强度,分别表示第1个传感器的磁感应强度、第2个传感器的磁感应强度和第N个传感器的磁感应强度;
将式(7)的3N个方程表示成如下形式:
令rank(Λ)≥5,将对角阵Λ的全零行剔除后得到选择阵Sn×3N,其中n=rank(Λ),则式(11)转换为n个方程的非线性方程组:
7.一种地下管网的传感器定位设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的地下管网的传感器定位方法。
8.一种存储介质,其特征在于,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行如权利要求1至5中任意一项所述的地下管网的传感器定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210433561.5A CN114777629B (zh) | 2022-04-24 | 2022-04-24 | 地下管网的传感器定位方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210433561.5A CN114777629B (zh) | 2022-04-24 | 2022-04-24 | 地下管网的传感器定位方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114777629A CN114777629A (zh) | 2022-07-22 |
CN114777629B true CN114777629B (zh) | 2023-07-18 |
Family
ID=82432244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210433561.5A Active CN114777629B (zh) | 2022-04-24 | 2022-04-24 | 地下管网的传感器定位方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114777629B (zh) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101361660B (zh) * | 2008-05-16 | 2011-03-09 | 深圳先进技术研究院 | 一种多磁性目标的定位方法及定位系统 |
-
2022
- 2022-04-24 CN CN202210433561.5A patent/CN114777629B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114777629A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111008999B (zh) | 用包含跟踪网络的cnn跟踪对象的方法和使用该方法的装置 | |
WO2018018994A1 (zh) | 室内定位方法及定位系统 | |
CN108645413A (zh) | 一种移动机器人的同时定位与地图创建的动态纠正方法 | |
CN109597864A (zh) | 椭球边界卡尔曼滤波的即时定位与地图构建方法及系统 | |
CN110059439B (zh) | 一种基于数据驱动的航天器轨道确定方法 | |
CN111415010A (zh) | 一种基于贝叶斯神经网络的风电机组参数辨识方法 | |
CN116151102A (zh) | 一种空间目标超短弧初始轨道智能确定方法 | |
CN116520281A (zh) | 一种基于ddpg的扩展目标跟踪优化方法和装置 | |
Shahrooei et al. | Falsification of learning-based controllers through multi-fidelity Bayesian optimization | |
CN114777629B (zh) | 地下管网的传感器定位方法、装置、设备及介质 | |
CN112105081A (zh) | 一种基于改进生物地理学优化算法的高精度无线定位方法 | |
CN117908565A (zh) | 基于最大熵多智能体强化学习的无人机安全路径规划方法 | |
CN114339595B (zh) | 一种基于多模型预测的超宽带动态反演定位方法 | |
CN114842074A (zh) | 一种基于模型匹配的无人机影像定位方法 | |
CN107067036A (zh) | 一种接地网腐蚀速率预测方法 | |
Worley et al. | Topological robot localization in a large-scale water pipe network | |
CN110375741B (zh) | 行人航位推算方法和终端 | |
CN114577226B (zh) | 路径规划方法、装置、终端及可读存储介质 | |
CN117110983B (zh) | 一种基于无人机螺旋轨迹的信号源定位方法 | |
CN116976218B (zh) | 多磁偶极子反演方法、装置和电子设备 | |
CN118823612A (zh) | 一种输电线路水土保持风险监测评估方法 | |
CN116168098A (zh) | 基于跨孔电阻率ct深度学习的孤石成像方法及系统 | |
CN116263336A (zh) | 一种行驶方向获取方法、系统及存储介质和终端设备 | |
CN116772866A (zh) | 一种惯性测量位置估计方法、装置及介质 | |
CN118746794A (zh) | 一种多无人机协同目标定位方法、介质及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |