高速列车测速测距系统滤波模型与融合策略研究

高速列车的测速测距系统是保障列车运行安全的关键要素。滤波算法的建模和分析是构建测速测距系统的一个重要前提。通过对列车测速传感器的工作原理以及观测方法进行分析,分别建立了基于卡尔曼滤波的等速模型和等加速模型,并在Matlab中对两种模型的滤波特点进行了仿真分析。同时初步探讨了适用于高速列车的多传感器融合策略。对实验室数据和现场采集数据的分析验证了两种滤波模型的有效性及各自特点。滤波模型的仿真分析与多传感器融合策略的研究为测速测距系统的开发提供了依据。     

中低速磁悬浮列车测速定位中的滤波方法研究

磁悬浮作为一种轨道交通方式,其测速定位系统的精度显得越发重要。目前国内外采用的磁悬浮测速定位的滤波方法均基于传统的测速定位方法,不适用于当前国内应用于磁悬浮上的最新测速定位技术——组合导航系统。首次提出将自适应卡尔曼滤波方法应用于磁悬浮测速定位系统中,并通过分析自适应卡尔曼滤波与经典卡尔曼滤波方法的区别,通过仿真实验进行对比,得出自适应卡尔曼滤波具有更好的滤波性与适用性,且便于在工程实践中应用。     

基于CKF-SVSF数据融合提高CTCS-3级列控系统测速精度的研究

高速列车速度测量值的精确程度直接影响列控系统对列车运行的控制,根据列车速度等参数计算的列车制动距离的准确性也直接影响列车运行安全。针对既有测速算法的不足,提出了采用CKF-SVSF数据融合算法来提高列车速度测量的精确性。相对于传统的滤波算法,该算法充分结合了CKF和SVSF算法的优势。容积卡尔曼滤波算法(Cubature Kalman Filter,CKF)可更加精确地实现对非线性系统的状态估计;滑动可变结构滤波算法(Smooth Variable Structure Filter,SVSF)提供了在非线性系统的模型误差干扰下更具鲁棒性的测量方法。     

摆式列车线路检测信号的动态自适应滤波研究

为提高摆式列车检测系统的精度,针对传统数字滤波器的不足,将非平稳随机信号时变模型参数的自适应估计与普通卡尔曼滤波算法相结合,提出一种能有效消除或削弱测量信号中高斯白噪声的卡尔曼动态自适应滤波方法及数学模型。实时建模精度是实现卡尔曼动态滤波的关键。通过对具有不同遗忘因子的递推最小二乘算法的分析和比较,结果表明,带自适应遗忘因子的递推最小二乘算法(RLSAF)由于其遗忘因子能根据信号本身的统计特性的变化自适应地进行调整,因而对非平稳随机信号具有很强的跟踪性能。采用基于RL-SAF算法的卡尔曼动态自适应滤波方法,能实现摆式列车线路检测信号(陀螺仪角速率信号)的有效滤波。     

基于滑模控制的卡尔曼滤波在列车定位中的研究

为了提高城市轨道交通中轮轴速度传感器与加速度计组合定位的精度,提出一种基于滑模控制的改进卡尔曼滤波算法。对于组合定位来说,由于卡尔曼滤波不能很好地修正加减速过程中的空转打滑误差,考虑到滑模控制器的滑动模态与系统的参数及扰动无关,提出采用基于滑模控制的改进卡尔曼滤波来进一步降低误差。其基本思路是应用指数趋近律滑模变结构来改善里程计算值,然后再进行卡尔曼滤波。并利用仿真软件对上述过程进行验证,仿真结果表明:基于滑模控制的改进卡尔曼滤波算法,能够在一定程度上减小空转打滑误差,进一步提高定位的精度。最后通过与其他卡尔曼滤波改进算法对比,得出基于滑模控制的卡尔曼滤波方法结构更为简单,也能保证一定的精度。     

基于自适应联邦滤波的列控车载设备测速测距算法

基于转速传感器技术,提出1种列控车载设备测速测距算法,由自适应参数列车运动模型、空转/滑行时列车速度校正模型和基于联邦滤波的融合算法3部分组成.先建立列车运动模型,利用自适应参数更新列车运动模型和系统状态噪声,估计单个转速传感器所在轮对的速度和加速度;当检测到轮对空转/滑行时,利用设计的速度校正模型计算列车运行速度,并...     

卡尔曼滤波算法在空气质量数据校准中的应用

针对自建点实时监控存在的零点漂移和量程漂移导致空气质量数据测量精度受到制约的问题,提出一种基于卡尔曼滤波算法对空气质量数据进行校准的模型。以PM2.5数据为例,结合其他空气质量数据及气象参数经逐步回归得到调整的数据后,使用改进的卡尔曼滤波算法对自建点测量数据进行校准。经同一时间区间内的自建点、国控点测量及校准数据的对比分析表明:通过改进的卡尔曼滤波校准空气质量数据能够很好地跟踪实际数据的变化趋势,平均误差比较小;使用模型将2019年5月、2018年12月数据的均方根误差分别从11.367、27.188降低至修正后的7.555、10.759,精度得到了显著提高。     

基于RTK-GPS/INS的列车组合定位方法研究

在铁路运输当中,单纯的卫星定位或惯性定位均无法提供更高的精度。因此,提出一种高精度的RTK-GPS和惯性平台相组合的定位导航系统,系统主要包括卫星接收基站、传感器输入部分、状态检测部分、数据融合部分和定位数据输出部分。在整体系统中,数据融合部分采用卡尔曼;传感器输入部分采用结合无损变换的粒子群算法改进的自适应RLS滤波;利用组合导航过程,对数据融合误差纠正方程进行学习,在卫星失锁情况中,利用学习结果持续对惯性测量单元滤波后的数据进行校正。对提出的数据融合算法和组合导航系统进行半实物验证和实物测试,结果表明:在有复杂干扰的列车运行环境中,在该算法和系统的配合下,可以基本满足较高精度的列车实时定位,在工程中具有一定的适应性和实际应用价值。     

基于数据融合的轨道不平顺检测算法研究

针对轨道不平顺检测方法和检测精度问题,提出基于捷联式惯性导航技术,搭建以四元数为基础的"数学平台",融合里程计和射频标签修正里程位置信息,根据惯性测量单元加速度计和陀螺仪的数据进行轮轴姿态解算,通过互补滤波算法进行数据融合,并基于混沌增强果蝇优化算法进行滤波处理,获得以欧拉角表示的轮轴三维姿态数据,进而拟合实现轨道不平顺检测。实践表明,文章提出的数据融合检测算法,可以有效实现轨道不平顺检测,提高检测精度,为轨道维护保养提供基础数据。     

基于Kalman滤波和变时间窗测频的转速测量FPGA实现

利用信号与噪声状态模型的Kalman滤波,对频率进行无偏估计,适合对机车运行速度的精确测量.利用变时间窗采集脉冲信号的方法克服了常规算法中刷新时间和测量精度不稳定的缺点,同时也保证了对不同频率的测量精度.通过基于FPGA平台的算法设计与仿真,表明了上述方法对机车转速测量的实时有效性和准确性.     

驼峰测速雷达信号的小波滤波分析

针对卡尔曼滤波方法存在的缺点,研究采用小波滤波方法进行驼峰测速雷达信号滤波。小波滤波的基本原理是对信号小波变换后的小波系数进行非线性处理,然后重构信号,滤除信号中的噪声。根据雷达信号的特点,初步选用Haar小波和二阶Dauhechies(db2)小波、3层分解、通用阈值和半软阈值算法,进行离线试验及分析。根据离线试验的滤波效果,确定选用二阶Daubechies(db2)小波、3层分解和半软阈值算法进行雷达信号滤波。利用离线试验选定的小波和算法,对采集的雷达信号进行实时滤波仿真,仿真结果与离线试验结果基本一致。将小波滤波方法与卡尔曼滤波方法对比可知,小波滤波能有效地滤除噪声、提高信噪比、减少均方差,滤波效果比较理想。因此,采用小波滤波方法进行驼峰测速雷达信号滤波,可以获得更准确的车速。     

一种优化的Canny边缘检测算法

在对Canny边缘检测理论研究基础上,针对Canny边缘检测算法在高斯滤波、梯度计算和高低阈值的确定上的缺陷,提出一种改进的小波变换法,替代高斯滤波,实现对图像的降噪,同时,优化了原有梯度幅值和方向的计算方法,采用改进的迭代算法对高低阈值进行计算。运用MATLAB仿真实验对比优化后的Canny边缘检测算法与传统Canny边缘检测算法。结果表明,优化后的Canny边缘检测算法可使检测结果拥有更多的边缘细节,提高了检测的精度和准确度。     

“当前”模型自适应卡尔曼滤波在有轨电车定位中的应用

有轨电车常与地面其他交通工具混行,因此其准确定位是列车调度指挥和运输安全的重要保障。为节约成本,有轨电车系统一般采用GPS结合速度传感器等方式进行定位,而非大量铺设应答器,因此,GPS信号的处理对于列车定位精度的提高具有重要作用。从简化系统、节省费用、计算难度和精度等方面综合考虑,采用卡尔曼滤波方法对GPS定位信息进行修正。同时,为更好地描述列车运行状态,使其更贴近列车真实运动情况,采用机动加速度"当前"统计模型结合自适应卡尔曼滤波方法对有轨电车位置进行最优估计处理。通过Matlab仿真对在试验场地采集的GPS定位信息进行最优估计处理。仿真结果表明:采用"当前"模型下的自适应卡尔曼滤波算法后,列车定位结果能够更好地跟随其运动的真实轨迹,更接近其真实值,很好地提高了定位精度。     

基于GPS与惯性测量单元的列车组合定位系统

采用GPS接收机及惯性测量单元构成列车组合定位系统,系统包括传感器输入层、故障检测与隔离层、数据融合层和输出层4个部分。给出GPS接收机、惯性测量单元等定位传感器的位置解算方法;设计采用H∞鲁棒滤波方法的数据融合算法;采用小波变换方法进行组合系统故障检测,确定故障隔离及系统重构策略。对列车组合定位系统进行现场测试和仿真验证结果表明:在复杂的列车运行环境及干扰条件下,该系统能够实现高精度高可靠性的列车定位;定位误差较采用传统的Kalman滤波方法更为稳定;组合系统能够有效实现故障检测并根据故障隔离策略重构系统,保证定位输出的连续性,保障系统安全;具有较高的适应性和实际应用价值。     

UKF地铁短时客流预测研究

为获得较为可靠的地铁车站实时客流,提出基于神经网络与无迹变换卡尔曼滤波(UKF)结合的信息融合预测方法。首先利用各站点间进出客流时空相关性,在运行时间约束下组织预测向量,以BP神经网络为函数表达给出目标站点客流的初步预测值。在此基础上,利用无迹变换卡尔曼滤波解决神经网络过学习造成的误差,以提高预测结果精度。最后选取实例验证算法的准确性,结果表明,该改进算法可有效提高预测精度,满足运营需求。     

基于2D激光位移传感器的轨底坡动态检测系统研究

设置合理的轨底坡可使钢轨轨头与车轮踏面合理接触,减轻钢轨轨头的不均匀磨耗,延长钢轨使用寿命。为提高轨底坡静态检测精度,线路日常养护和维修效率,提出一种基于2D激光位移传感器(简称2D)的钢轨廓形检测原理和ARM嵌入式技术的轨底坡动态检测方法。结合传感器工作原理与特点,搭建一套可在线连续检测的轨底坡动态检测系统。考虑到2D空间姿态变化,建立适用于轨底坡动态检测的双2D空间姿态关系模型和标定解算模型。因为车体振动会产生对轨底坡计算结果的影响,利用Kalman滤波算法建立多传感器的状态空间模型,对轨底坡计算结果进行补偿。最后选用GJ-4型轨道检测车进行地铁正线试验,试验结果与人工复核结果的对比,符合工务段要求精度。试验结果验证了该轨底坡动态检测系统切实可行,Kalman滤波算法能够很好地对轨底坡的计算结果进行补偿修正。