钢铁企业生产现场运行着各类机械、电气及仪表设备,维持设备的正常运行对生产的顺利进行具有重要意义,而设备点检则是保证设备稳定运行的首要因素。现在绝大部分钢铁企业仍然采用传统的纸质点检工作方式,这种工作方式效率低而且对于设备数据不易记录、分析,点检过程中发现异常时无法及时通知维修人员进行维修,同时难以对点检人员的工作形成有效的监管制度,点检结果的可信度受到了影响。为了加强对点检人员工作的监管力度,同时为其提供丰富准确的位置信息服务,需要在室内环境中实现更加精确的定位系统。为此,本文以位置指纹技术为研究方向,提出了基于多分类器集成学习的室内定位算法。该算法定位过程分为两个阶段,首先采用同质分类器集成的思想,基于随机森林算法使用Wifi信号指纹获得第一阶段定位点,然后从异质分类器集成的角度,采用蓝牙定位系统作为门控系统,通过改进的加权k近邻算法获得第二阶段定位点,并将该结果与第一阶段的结果进行决策层融合,从而修正了第一阶段中的Wifi定位结果,提高了系统的定位精度。克服室内定位难题后,为了解决剩余问题,本文结合“现场点检管理智能化”项目工程,研究并开发了一套完整的智能化设备点检系统。本文系统使用C/S作为Web应用的软件结构体系,其中包含了后台服务器端程序和移动点检客户端程序。后台服务器端使用标准的SSH框架,移动点检客户端基于Android平台进行开发,二者之间通过Http协议和Websocket协议实现数据交换。本系统主要功能包括点检数据上传记录、设备异常信息通知、设备维修安全监管和内部交流等等,以上功能实现了设备点检工作的完整闭环,有效提高了钢铁企业点检工作的智能化与信息化水平,保障了企业生产的顺利进行。为了验证所提出算法的有效性,本文在实际场地搭建实验环境,分别采集了Wifi与蓝牙信号的位置指纹数据。以经典指纹定位算法作为对比,使用采集的数据分别从定位精度和算法抗干扰能力两个方面进行了实验验证。结果表明本文所提出的方法相比于其他经典算法均有着一定优势。最后,将验证的算法整合到本文系统当中,形成了最终完整的基于Wifi定位的设备点检系统。