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。     

结合UKF和小波变换的改进粒子滤波及其在机车驾驶员人眼跟踪中的应用

非接触式的人眼跟踪研究对于机车驾驶员疲劳检测有着重要意义.为了解决机车驾驶员人眼跟踪方法对头部旋转、光照变化以及人眼运动的强非线性等问题的过于敏感,提出一种结合UKF(Unscented Kalman Filter)滤波和小波变换的改进粒子算法的机车驾驶员人眼跟踪方法.将UKF滤波算法得到的滤波状态均值和方差,用于粒子滤波算法中下次采样新的粒子;然后利用小波变换的去噪原理,降低粒子滤波重要性权值的方差,以提高实际驾驶条件下机车司机人眼跟踪的准确性和鲁棒性.理论分析和实验结果表明:该方法不仅可以提高对头部旋转、光照变化以及人眼运动的强非线性等问题的鲁棒性,而且具有更好的估计精度.     

基于奇异值分解强跟踪滤波的机车黏着系数估计

提出一种基于奇异值分解的改进强跟踪滤波算法,并将其用于机车黏着系数的在线估计。针对传统的强跟踪滤波算法由于引入了渐消矩阵,在递推更新预测误差方差阵时变成不对称,可能导致滤波发散的现象,研究了基于奇异值分解的更新算法,保证其收敛性。利用改进算法在线估计机车运行过程中的干扰转矩,进而估计黏着系数。仿真试验表明,该方法能有效在线估计机车黏着系数并具有较好的鲁棒性。     

尺度自适应的铁路异物侵限PSA-Kcf降维跟踪方法

针对铁路异物侵限存在尺度上的外观变化,导致现有目标跟踪算法容易学习到过量背景或局部纹理信息,从而引发跟踪框漂移的问题,提出一种融合尺度估计的核相关滤波目标跟踪算法。利用视觉背景提取器ViBe对铁路沿线侵限异物进行检测,通过密集循环采样和尺度金字塔技术分别提取初始化跟踪框的FHOG特征,用来训练一个核相关位置滤波器和一个PCA降维的尺度滤波器,以实现尺度自适应的铁路侵限异物快速跟踪。实验结果表明:PSA-Kcf算法在跟踪精度上优于无尺度估计环节的生成类算法Mean Shift和原生核相关滤波算法Kcf,略高于尺度自适应的SA-Kcf和SAMF算法;在跟踪速度上明显快于Mean Shift、SA-Kcf和SAMF算法,能达到与Kcf算法相当的快速跟踪效果。     

基于轨道约束H∞滤波的 北斗辅助列车定位算法研究

针对列车定位的高安全性和稳定性要求,结合列车行驶的特殊性,提出采用铁路轨道信息对北斗定位数据进行约束的H_∞滤波算法。以模糊自适应"当前"统计模型为基础建立列车运动模型,通过将轨道近似为直线段,建立轨道约束模型。将轨道约束与H_∞滤波器结合实现轨道约束H_∞滤波算法。通过仿真对比分析H_∞滤波与卡尔曼滤波、约束与无约束估计的误差。仿真结果表明:轨道约束在提高算法定位精度方面效果明显,H_∞滤波在列车位置估计上具有鲁棒性优势。验证了轨道约束H_∞滤波算法的有效性,对北斗辅助列车定位的工程应用具有理论指导意义。     

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。     

基于信号波形特征的道岔工况识别研究

针对单一的Butterworth滤波方法无法有效抑制白噪声的问题,探索使用Kalman滤波、LMS自适应滤波及滑动平均滤波对低通滤波后的信号进一步滤波,得到了较好的效果,引入了Pearson相关系数对3种滤波方法的效果进行了量化对比,其中Kalman滤波的效果最优;分析了道岔结构特征并推断出列车正线过道岔和侧线过道岔时各传感器的理论波形特征;结合谷歌地球软件及实际传感器测试数据,印证了理论波形预测的正确性,得到了列车正线过道岔和侧线过道岔的信号特征波形,为工况识别软件的编写提供了重要的算法依据。     

基于改进联合卡尔曼滤波算法的列车测速信息融合

基于高速列车的测速精度直接影响车载设备的控制精度,为了提高测速精度,在分析基于联合卡尔曼滤波算法的多路测速传感器信息融合原理、结构和算法的基础上,针对联合卡尔曼滤波系统因缺乏系统噪声和测量噪声的先验知识而导致滤波精度下降的问题,运用自适应联合卡尔曼滤波思想,对系统过程噪声和测量噪声的统计特性实时进行估计和修正,并将改进前后的算法进行计算机仿真。研究结果表明:改进后的滤波算法具有更好的融合精度,更稳定的滤波效果,能够进一步提高测速系统对环境的适应能力。     

基于粒子滤波的跟踪算法研究

在非线性条件下,扩展Kalman滤波(EKF)的应用最为广泛。但是,由于它采用了Taylor展开的线性变换来近似非线性模型,因而存在计算量大、实时性差、估计精度低等缺点。粒子滤波(PF)用一些带有权值的随机样本(粒子)来表示所需要的后验概率密度,并通过这些粒子的加权来估计目标运动的状态,从而得到基于物理模型的近似最优数值解,具有精度高、收敛速度快等特点。通过仿真实验将PF与EKF的性能进行了对比,并且研究了噪声协方差与粒子数对PF的影响。PF与EKF的对比实验结果表明,在强非线性条件下,PF比EKF跟踪精度更高,误差更低。     

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.     

主从结构的自适应滤波器

根据理论分析，提出了一种主从结构的自适应滤波算法（ＡμＬＭＳ），它利用一个从自适应滤波器，按照最小均方误差准则，自动寻找主自适应滤波器的最佳步长矢量，使滤波器的特性得到显著的提高。计算机模拟实验结果验证了其良好的性能。该主从结构自适应滤波算法的思想可拓展至其它一些自适应滤波算法中去建立其相应的主从结构。     

基于四阶累积量自适应时延估计的改进

时间延迟估计在雷达和声纳等方面有着广泛的应用。为了在空间相关或不相关的高斯背景噪声下获得比较精确的时延估计值,提出了一种基于四阶累积量、借助于ETDE(Explicit Time Delay Estimation,利用sinc函数采样FIR滤波器)算法的自适应时延估计算法。此方法可以抑制相关或不相关高斯噪声的影响,可以跟踪时延,从而保证时延的唯一性,进而得到信号准确的时延估计。该算法在较低信噪比下能得到非高斯信号较准确的时延估计。理论分析和仿真结果证明了算法的有效性。     

一种改进的高斯粒子滤波室内节点跟踪算法研究

粒子滤波器(PF)是非线性估计领域一个重要方向。为了避免粒子失去多样性的问题,基于启发式优化算法的思想,提出了一种新的引力高斯粒子滤波算法(GSA-GPF)并将该算法用于室内节点轨迹跟踪问题。在使用高斯粒子滤波器(GPF)估计出粒子分布及权重后,采用引力搜索算法使粒子向高似然区域移动,增加了有效粒子数,同时,GSA-GPF避免了PF中重采样过程的缺陷,减小了粒子多样性的损失。仿真结果表明:GSA-GPF有效地抑制了常规PF的发散现象,在少量粒子数的情况下,将其跟踪误差减小了约64.1%,并且与粒子群优化的GPF相比,保持了更好的滤波精度。     

一种基于GPS/DR/MM组合的列车定位方法研究

针对我国铁路列车定位精度低和实时性差的问题,阐述一种基于GPS/DR/MM组合的列车定位系统框架,同时利用离散平稳小波变换和Kalman组合滤波的方式对列车定位数据进行处理。通过引入离散平稳小波变换,弥补Kalman滤波的非线性差以及需要建立精确系统数学模型的缺点,从而减小定位数据的状态估计偏差。通过GPS/DR/MM的组合定位方法,引入负反馈调节机制,不断修正DR的累积误差,提高列车定位的精度,保证及时、准确、可靠地获取列车的位置信息。通过实验验证,该方法能够满足列车连续和高精度定位要求,对实际工程应用具有一定的参考价值。     

基于自适应滑模控制的城际列车精确停车方法研究

停车精度是衡量列车自动驾驶控制性能的重要指标。针对城际轨道列车精确停车的需求，分析列车自动停车过程、列车动力学模型以及制动模型，在此基础上提出采用自适应滑模控制器来提高停车精度和列车运行舒适性；应用滑模控制原理设计列车停车控制算法，并对滑模控制中的趋近律增益进行自适应调节，以提高系统响应速度及改善稳态精度。仿真结果表明，基于自适应滑模控制的停车算法表现出良好的鲁棒性和自适应性，该控制器使列车能够精确地跟踪停车目标曲线，并改善列车的停车精度和运行舒适性。     

基于简化鲁棒UKF的GNSS/INS紧组合列车定位方法

针对GNSS/INS组合列车定位中的信息融合非线性与传感器量测故障问题，为满足复杂多变列车运行场景下列车定位精度与鲁棒性的需求，提出一种基于简化鲁棒UKF的GNSS/INS紧组合列车定位优化方法。综合标准KF的时间更新与标准UKF的量测更新来构建简化UKF,在保证GNSS/INS紧组合列车定位精度的同时改善定位解算实时性。在简化UKF滤波框架内，引入故障检测与自适应调整因子构建简化鲁棒UKF,可以快速检测传感器量测故障导致的系统故障，并对故障历元的量测噪声协方差进行自适应调整降低滤波增益，使得滤波算法具有较强的鲁棒性。采用京沈高铁实测数据与故障仿真数据进行算法定位性能验证与评估，结果表明：基于简化UKF的GNSS/INS紧组合定位算法水平定位精度为2.686 5 m,与传统EKF滤波模型下的紧组合与松组合方法相比定位精度分别提高5.6%和15.0%。此外，提出的简化鲁棒UKF方法可以快速有效检测到不同类型的传感器量测故障，且大幅抑制传感器量测故障，优化复杂运行场景下的列车定位精度与鲁棒性。     

输入受约束的高速列车鲁棒自适应动态面控制

实现高速列车对期望速度与位移的精确跟踪至关重要。考虑输入饱和约束以及由于不确定的运行阻力、未知的黏滞摩擦系数和未测量的运行状态等引起的系统不确定性,提出高速列车的鲁棒自适应动态面控制算法。建立考虑牵引与制动转矩产生动态过程的高速列车动力学模型;引入扩张状态观测器在线估计和补偿系统总的不确定性,应用跟踪微分器代替动态面控制中的一阶滤波器,构造附加系统处理输入约束问题,设计了高速列车的鲁棒自适应动态面控制律;基于李雅普诺夫稳定性理论证明了闭环系统的稳定性以及高速列车速度跟踪误差和位移跟踪误差的半全局一致最终有界性。仿真结果验证了所提算法的有效性。     

基于GNSS双差定姿的区间列车轨道占用判别方法研究

为解决区间列车轨道占用判别问题,满足CTCS-4级列控系统需求。提出一种基于GNSS双差定姿的区间列车轨道占用判别方法。建立列车GNSS双差定姿数学模型,在获取列车基线航向角的基础上,提出一种基于粒子滤波的风险敏感滤波算法,通过引入风险敏感因子来解决由于系统的不确定性而导致滤波器鲁棒性差以及发散问题,与此同时提出一种支持向量机的分类算法,通过对定位数据的分类来判别轨道占用情况。对可见卫星数量和HDOP值对轨道占用判别的影响做进一步研究,得出优化参数。实验表明该方法的可行性和有效性,为未来卫星定位技术在列车中的应用提供一定的参考价值。     

基于非线性车辆模型的行驶状态与路面附着系数估计

路面状况和行驶状态的准确识别是车辆安全行驶和主动控制的重要依据。为了验证车辆行驶状态和路面附着系数估计的有效性,建立了包含Dugoff轮胎模型的四轮三自由度整车仿真模型,提出了基于扩展Kalman滤波理论的车辆行驶状态与路面附着系数估计算法。车辆在设定的双移线路面附着系数分别为0.8、0.7、0.6的工况下进行仿真,对比车辆的运动状态和车辆转向输入激励的趋势的一致性,验证了该模型的合理性。结合该模型计算出的Dugoff轮胎模型纵向和侧向归一化力,通过Matlab编程实现扩展卡尔曼算法估计,算法估算得到的汽车行驶状态参量和路面附着系数与仿真值进行对比。通过结果对比表明,车辆行驶状态估计值与Simulink数值解的均方根误差(RMSE)指标最大值不大于0.03,由于轮胎与路面是动态接触,路面附着系数呈上下波动状,实现了对车辆行驶状态参量和路面附着系数的实时估计,为重型车辆稳定性控制提供了理论基础。     

异步电机效率优化算法设计

针对异步电机效率优化问题，提出混合在线式直流最小功率模糊搜索效率优化控制算法（FLSC）。算法利用损耗模型控制（LMC）的研究成果，设计新型比例因子提取策略，可以实时在线获得电机各稳态工况下FLSC输入和输出变量的比例因子，预先规划了算法搜索控制的方向，保证了算法的快速收敛性。根据异步电机的特性及先期的综合实验数据分析，对模糊控制用模糊集合及其隶属度函数进行系统化设计，对输入变量的ZE模糊集进行梯形隶属度函数设计，对输出变量进行正负不对称隶属度函数设计，从而解决了系统在效率最优点处的振荡问题。对小功率异步电机系统的计算机仿真及台架实验表明：针对异步电机的轻载运行工况，FLSC算法能显著提高异步电机系统的控制性能；对于异步电机转子电阻参数变化的工况也具有很好的鲁棒性。