针对矿山井下巡检机器人因受环境影响而定位精度低、实时性差等问题,提出了一种基于UWB(超宽带)与IMU(惯性测量单元)的融合定位方法.首先,利用UWB测距模块测量巡检机器人与UWB基站间的距离;其次,构建GRU(门控循环单元)神经网络模型,将UWB测量距离和真实距离输入神经网络模型中进行训练,得到GRU 修正模型;然后,通过GRU 神经网络修正模型对实测距离的修正,抑制复杂环境下NLOS(非视矩)距离误差,得到较之前更为精确的距离;最后,通过ESKF(误差状态卡尔曼滤波)将修正后的距离信息与IMU 提供的数据结合,构建误差状态方程和量测方程,分别对系统的误差状态进行演化和更新,解算出更精确的位置坐标.试验结果表明:在三种不同NLOS环境下,修正后的静态实验定位精度较之前分别提升了6.09％、16.56％、18.89％,且在复合场景下定位精度较之前提升了11.36％;在动态实验中,修正后的平均定位精度较之前提升了11.10％.通过对非视距下测量的伪距进行修正可减小了非视距的影响,提高定位精度.