主权项: |
1.一种矿车防撞方法,其特征在于,包括: 接收其他矿车上的无线网络发射器发射的无线网络信号; 根据所述无线网络信号强度,确定与对应的矿车的距离; 如果所述距离小于或等于预设的距离阈值,则执行防撞策略。 2.根据权利要求1所述的方法,其特征在于,所述根据所述无线网络信号的强度,确定与对应的矿车的距离包括: 获取利用样本数据作为输入数据所搭建的RBF神经网络的网络结构,其中,所述RBF神经网络的网络结构包括输入层、输出层和隐藏层,所述样本数据包括与其他矿车的距离,以及所述距离对应的无线网络信号强度; 根据样本数据中与其他矿车的距离及所述距离对应的无线网络信号强度之间的映射关系,确定所述RBF神经网络的参数; 根据所述RBF神经网络的网络结构,利用所述接收其他矿车上的无线网络发生器发射的无线网络信号及所述RBF神经网络的参数,确定与对应的矿车的距离。 3.根据权利要求2所述的方法,其特征在于,所述所搭建的RBF神经网络的网络结构为 其中,yi为距离值;uj为矿车上的无线网络发生器发射的无线网络信号的强度,j=1,2,3……N,N为隐藏层的节点数目;θi为隐藏层i个节点的输出阈值,i=1,2,3……N,N为隐藏层的节点数目;wij为第i个隐藏层节点与第j个输出节点的连接权重值;X为输入样本,X=(x1,x2,...xn)T;Cj为隐藏层第j个节点的中心;σj为隐藏层第j个节点的宽度。 4.根据权利要求3所述的方法,其特征在于,所述根据样本数据中的与其他矿车的距离及所述距离对应的无线网络信号强度之间的映射关系,确定所述RBF神经网络的参数包括: 利用聚类算法,确定隐藏层的节点中心; 根据隐藏层的节点中心,确定隐藏层的节点宽度; 根据所述隐藏层的节点中心和隐藏层的宽度,以及输入样本和对应的输出样本,利用平方和公式,调整所述连接权重值,直至平方和小于预设的目标误差为止; 所述平方和公式为其中,E(t)为平方和,yp为第p组输入样本对应的输出样本,为经t次调整得到的连接权重值,第p组输入样本对应的实际输出样本。 5.根据权利要求1所述的方法,其特征在于,所述如果所述距离小于或等于预设的距离阈值,则执行防撞策略包括: 如果所述距离小于或等于预设的距离阈值,则控制报警器发出警报。 6.一种矿车防撞装置,其特征在于,包括: 无线网络接收器,用于接收其他矿车上的无线网络发射器发射的无线网络信号; 距离计算模块,用于根据所述无线网络信号强度,确定与对应的矿车的距离; 防撞执行模块,用于如果所述距离小于或等于预设的距离阈值,则执行防撞策略。 7.根据权利要求6所述的装置,其特征在于,所述距离计算模块包括: 构建单元,用于获取利用样本数据作为输入数据所搭建的RBF神经网络的网络结构,其中,所述RBF神经网络的网络结构包括输入层、输出层和隐藏层,所述样本数据包括与其他矿车的距离,以及所述距离对应的无线网络信号强度; 参数确定单元,用于根据样本数据包括与其他矿车的距离及所述距离对应的无线网络信号强度之间的映射关系,确定所述RBF神经网络的参数; 计算单元,根据所述RBF神经网络的网络结构,利用所述接收其他矿车上的无线网络发生器发射的无线网络信号及所述RBF神经网络的参数,确定与对应的矿车的距离。 8.根据权利要求6所述的装置,其特征在于,所述所搭建的RBF神经网络的网络结构为 其中,yi为距离值;uj为矿车上的无线网络发生器发射的无线网络信号的强度,j=1,2,3……N,N为隐藏层的节点数目;θi为隐藏层i个节点的输出阈值,i=1,2,3……N,N为隐藏层的节点数目;wij为第i个隐藏层节点与第j个输出节点的连接权重值;X为输入样本,X=(x1,x2,...xn)T;Cj为隐藏层第j个节点的中心;σj为隐藏层第j个节点的宽度。 9.根据权利要求8所述的装置,其特征在于,所述参数确定单元包括: 节点中心确定子单元,用于利用聚类算法,确定隐藏层的节点中心; 节点宽度确定子单元,用于根据隐藏层的节点中心,确定隐藏层的节点宽度; 连接权重确定子单元,用于根据所述隐藏层的节点中心和隐藏层的宽度,以及输入样本和对应的输出样本,利用平方和公式,调整所述连接权重值,直至平方和小于预设的目标误差为止; 所述平方和公式为其中,E(t)为平方和,yp为第p组输入样本对应的输出样本,为经t次调整得到的连接权重值,第p组输入样本对应的实际输出样本。 10.根据权利要求6所述的装置,其特征在于,所述防撞执行模块包括: 报警单元,如果所述距离小于或等于预设的距离阈值,则控制报警器发出警报。 |