针对基于传统BP神经网络的井下定位算法存在收敛速度慢、易形成局部极值、在煤矿井下强时变性电磁环境中定位误差大等问题，提出了一种基于模拟退火思想的粒子群优化算法加BP神经网络（SAPSO-BP）的井下自适应定位算法。采用SAPSO算法优化BP神经网络的初始权值和阈值，以加快训练收敛速度，使之到达全局最优；通过安装在井下巷道中的无线校准器采集目标点接收信号强度指示（RSSI）值，采用自适应动态校准方法对RSSI值进行实时校准，以减小强时变性电磁环境对定位精度的影响；最后利用SAPSO-BP神经网络估

对于传统的对移动台的定位，提出了一种基于粒子群（PSO）优化神经网络的算法。这一PSO-BP算法首先利用PSO对神经网络传统的目标函数及参数进行优化，再利用改进后的BP神经网络对非视距误差（NLOS）进行修正，最后利用算法LS进行移动台的定位。仿真结果表明，该基于PSO的神经网络定位算法寻优效果稳定，预测误差小，具有可行性。