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。     

基于双渐消因子调节的自适应卡尔曼滤波器

卡尔曼(Kalman)滤波为线性最优递推滤波算法,但鲁棒性差,无法实时精确跟踪系统突变状态。为此,设计了一款双渐消因子调节的自适应Kalman滤波器。算法剖析了状态扰动环境下,不精准的先验预测及定量滤波增益对最优估计的影响。在标准Kalman滤波器的基础上,引入双渐消因子,实时激活滤波增益,调节先验估计及量测新息在状态估计中的权重。基于新息正交性定理,依据Sage开窗估计原理与加权最小二乘准则,建立了双渐消因子的函数解析式。借鉴滤波发散判据,构造了函数边界条件。实例研究表明,相较于抗差Kalman滤波器,自适应Kalman滤波器鲁棒性强,状态收敛速度快,稳态跟踪精度提升了44.76%。     

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。     

桥梁结构动力测试信号的自适应形态学滤波研究

桥梁健康监测数据中不可避免地会掺杂系统噪声和测试噪声,噪声的存在将严重影响桥梁状态评估的准确性。为了抑制噪声对桥梁状态评估的影响,获得精确的桥梁状态评估结果,本文提出了一种自适应的形态学滤波器(Adaptive Morphological Filter,AMF)。首先比选了AMF的各类结构元素类型,并依据AMF对信号傅里叶谱相对幅值的影响程度确定适宜的结构元素尺寸,据此构建滤波器。实现原始信号的自适应滤波后,用确定-随机子空间识别方法对原始数据和滤波后数据的模态参数进行识别,并使用稳定图法对滤波效果进行对比。以大比尺斜拉桥模型试验的测试数据为支撑对所提算法进行了验证。结果表明,AMF可显著提高桥梁模态参数识别结果的稳定性,并能挖掘出被噪声淹没的高阶桥梁模态参数。     

隧道检测裂缝的图像处理研究

裂缝是隧道衬砌最常见的病害之一,基于近几年快速发展的工程检测系统与图像处理算法的研究,提出基于CCD相机的衬砌裂缝检测系统来采集裂缝图像。通过比较均值滤波、中值滤波、维纳滤波、自适应中值滤波和加权邻域滤波比较,选择自适应中值滤波进行图像增强。结合直方图阈值分割法、Otsu最大类间方差阈值和局部阈值分割法,对增强后图像进行二值化处理比较,Otsu法较好地保留了裂缝的边缘信息,证明了该算法的有效性,为后续裂缝信息的提取奠定了基础。     

列车运行自动控制(ATO)算法的研究

通过分析列车自动控制算法所面临的问题，提出了具有自适应、智能化的列车自动驾驶算法及推理机结构。     

一种适用于电气化铁路信息传输的主从结构自适应噪声对消器

提出采用一种新型的主从结构的自适应噪声对消器（MS-ANC），解决电气化铁路中的谐波干扰和高斯白噪声对消问题，计算机仿真实验表明，此噪声对消器能使输出信噪比得到较大的提高（信噪比改善15-40dB)。     

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。     

基于自适应遗传算法的3D钢桁架优化设计研究

研究目的:针对标准遗传算法出现的未成熟收敛、振荡、随机性太大等缺点,通过研究对其改进,提出自适应遗传算法.利用自适应遗传算法建立钢桁架结构优化设计模型,采用 matlab语言编写自适应遗传算法优化分析程序,用于铁路车站工程一雨棚的优化设计.研究结论:针对标准遗传算法存在的缺点,通过研究提出了自适应遗传算法.该算法在计算过程中依据个体的适应值,来确定染色体的交叉位置、交叉率、变异率,使杂交沿着有利于算法收敛的方向进行.确保了子代个体优于父本,使进化前期变异明显,后期趋于稳定,确保搜索到全局最优解,从而保证了种群开发和搜索的平衡及全局收敛性.并建立了桁架结构优化设计模型,以matlab软件为平台,对铁路车站一雨棚桁架结构进行了优化设计,取得了满意的效果,证明自适应遗传算法是一种理想的建筑结构优化设计方法.     

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。     

一种基于ANN理论的谐波电流动态检测方法研究

基于自适应噪声对消技术及人工神经网络（ＡＮＮ）理论，提出了一种谐波电流以动态检测方法。所设计的谐波检测系统采取在线学习、二级ＡＮＮ滤波技术，能检测出所设定的ｎ次（如３、５、７次等）谐波电流及剩余的谐波总电流，并能同时测出基波有功、无功电流和基波位移因数。仿真结果证实，该系统所测出的各项参数与实际值的相移和畸变非常小，且系统的结构简单，计算量小。该方法可应用于有源滤波或混合有源滤波的谐波及无功补偿。     

基于模糊形变模型的3D表面自适应重建

结合模糊技术、形变模型和ＡＣＤ方法提出了基于模糊形变模型的３Ｄ表面自适应重建方法。在模糊分割的基础上，引入了模型的模糊外力，在该模糊外力作用下模型能逼近任意复杂的物体表面；利用ＡＣＤ方法使模型自适应地改变其拓扑结构；为了提高表面重建的速度和鲁棒性，提出多尺度重建算法。实验结果表明该方法的有效性。     

一种基于BM3D的接触网图像自适应去噪新方法

为了更好地检测和识别接触网图像,首先要降低图像中的噪声。目前,BM3D是针对高斯等多种噪声降噪性能较好的算法,但它自身也存在一些不足,为此,本文提出一种基于BM3D的自适应去噪新方法(简称ABM3D)。该方法在假设噪声方差未知的前提下,无需人为设定滤波阈值,通过自适应估算较为准确的阈值,实现二维和三维DCT变换域的自适应滤波,得到基础估计图像,利用估算的阈值计算出较为准确的噪声方差,实现联合维纳滤波得到最终估计图像,同时简化了参数设置,尤其是对降噪效果影响较大的参数。实验结果表明:本文提出的算法是有效的,即使在噪声强度非常高的情况下,利用其得到的降噪图像也能较好地保留边缘等细节信息,更具有实用价值。     

一类非线性系统的自适应控制算法及其收敛性分析

讨论一类典型的非线性系统－具有输入非线性环节的线性离散系统的自适应控制问题，提出适合这类典型非线性系统的自适应输入出跟踪算法，并对算法的收敛性进行数学证明。     

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。     

牵引供电系统混合有源电力滤波器的仿真研究

为了抑制电气化铁道产生的谐波污染,本文采用了一种新型混合有源电力滤波器的拓扑结构,并分析了这种新型拓扑结构的工作原理及滤波特性.通过MATLAB仿真,验证了新型混合有源电力滤波器的滤波特性.仿真结果表明这种新型混合有源电力滤波器具有优良的滤波性能.     

新型单相谐振阻抗型混合电力滤波器的研究

为了进一步降低混合电力滤波器的有源滤波器容量,采用了一种新的混合电力滤波器的拓扑结构。新拓扑结构的基本思想是增加了和有源电力滤波器(APF)并联的LC基波谐振支路,并将APF控制成受控谐波电流源。LC基波谐波支路使得有源电力滤波器的额定电压和电流大大降低。分析了新型单相谐振阻抗型混合电力滤波器的工作原理及滤波特性。通过MATLAB/Simulink仿真,验证了新型单相谐振阻抗型混合电力滤波器的滤波特性。仿真结果表明这种新型混合电力滤波器具有优良的滤波性能。     

基于自寻最优控制算法的可调谐滤波器控制器

相比有源滤波器,无源滤波器具有投资少、效率高、结构简单、运行可靠及维护方便等优点,但其受系统和本身参数变化影响大的缺点在很大程度上限制了它的应用.研究了一种用可控电抗器代替固定参数电抗器的无源滤波器,比较了2种可行控制算法的优缺点,通过改进,实现了一种基于自寻最优的控制算法.实验室和实际现场实验证明,这种算法能够使滤波器保持在谐振点附近工作,改善了滤波效果,具有一定的实用价值.     

一种自适应TIN迭代加密滤波算法

滤波是LiDAR数据后处理过程中最基本的环节。在研究三角网迭代加密滤波算法的基础上,针对其存在的问题,提出了一种改良方法。在滤波前先剔除错误点,并提出了根据三角形坡度建立自适应阈值函数的方法。最后,对数据处理结果进行定量和定性分析。实验结果表明:改进的算法对于去除错误点和近地点,提高滤波的准确性是有利的。     

车辆横向半主动悬挂的神经网络自适应控制

分析了车辆半主动悬挂模型的非线性特性，提出了采用神经网络的半主动悬挂自适应控制模型，设计了神经网络辨识器和控制器，采用专门算法修正控制器网络权值，仿真计算表明，神经网络自适应控制的半主动悬挂系统能有效改善车辆横向平稳性。