基于多传感器的列车里程计定位误差检测及校正方法

城市轨道交通列车运行过程中,轮对空转/滑行和车轮磨损是造成车载里程计测速测距误差的主要原因,因此里程计定位误差的检测和校正主要是对列车空转/滑行和车轮磨损的检测和误差校正。通过城市轨道交通列车定位需求分析以及传感器定位特性分析,在列车里程计基础上引入多普勒雷达,采用二者构建车载组合定位系统。基于H!滤波理论实现两种传感器量测信息的融合处理,得到列车定位参数的最优估计,在此基础上,利用空转/滑行和车轮磨损检测方法完成相关检测并对误差进行校正。仿真试验结果验证了本方法的有效性,达到了模型的预期设计目的,提高了车载定位系统的自主定位能力。     

基于多传感器信息融合的轨道交通列车轮径校正方法

多传感器信息融合是实现轨道交通列车高精度定位的发展趋势。针对列车车轮在运行过程中逐渐磨损导致轮径减小,从而影响轮轴速度传感器测速定位精度的问题,通过分析定位传感器的误差特性,采用轮轴速度传感器、加速度计和多普勒测速雷达构成列车组合定位系统,并结合卡尔曼滤波理论,提出一种基于卡尔曼滤波的轮径预测校正方法。该方法在各传感器工作正常时,通过多传感器信息滤波融合得到列车运动状态参数的最优估计,并完成轮径校正;在辅助传感器失效或故障时,通过过去和当前的传感器量测信息对未来一定时间内的列车运动状态做出定量的预测估计,进而完成轮径的预测与校正。仿真试验结果表明,本文所提出的方法能够达到较高的精度水平,提高了列车组合定位系统的可靠性和自主能力。     

基于改进UKF的BDS/IMU组合列车定位方法

为提高列车定位的精确性和连续性，采用北斗卫星接收机和惯性测量单元构建车载组合定位系统. 针对多传感器组合定位信息融合估计的非线性和鲁棒性需求，将抗差估计理论的等价权原理应用于标准无迹卡尔曼滤波（unscented Kalman filter，UKF）算法，构造了一种改进的UKF算法，通过对标准UKF算法的噪声协方差进行等价替换，从而起到调节滤波增益的作用，使得滤波算法对传感器观测粗差具有较强的抑制能力. 将改进的UKF算法与标准UKF算法应用于列车组合定位进行仿真比较，结果表明:传感器无观测异常时，改进UKF算法的滤波精度总体上略优于标准UKF算法；当传感器观测值含有随机粗差时，改进UKF算法的滤波精度及稳定性明显优于标准UKF算法，北向、东向位置平均估计误差分别降低了48.5%、48.8%，北向、东向速度平均估计误差分别降低了43.7%、48.9%.      

基于GPS和里程计的列车定位方法

列车测速轮对的空转/滑行和车轮磨损是影响车载里程计(ODO)测速、测距精度的主要原因。针对该问题,通过传感器定位特性分析,在列车里程计基础上引入GPS技术,构建车载组合定位系统。通过GPS和ODO的信息融合,建立空转/滑行和车轮磨损的检测与误差校正计算模型,完成相关检测和误差校正。仿真试验结果表明,所提出的列车定位方法是有效的,可以提高车载定位系统的自主定位能力。     

基于轮轴速度传感器和加速度传感器的混合测速测距算法研究

为避免单一轮轴速度传感器在测速测距中存在的问题,设计了一种基于轮轴速度传感器和加速度传感器的混合测速测距算法。经过实验室仿真环境测试,证明该算法能有效地检测出列车是否出现空转或滑行,并保证在列车发生空转或滑行后的测速测距误差能够满足车载控制器对测速测距精度的需求。     

基于多传感器的列车空转及滑行检测与校正方法研究

针对轮轴速度传感器的测速定位精度随着轮对的空转/滑行逐渐降低的问题,通过分析定位传感器的误差特性,采用多普勒雷达和加速度计辅助轮轴传感器的多传感器方式构成列车组合定位系统。结合加(减)速度、速度差和滑行率等三种检测方法检测列车是否发生空转/滑行。建立列车的正常状态、空转状态、滑行状态、不可信状态,以及状态之间转换的数学模型,对列车发生空转/滑行之后的速度和走行距离误差进行计算补偿。仿真结果表明,设计的空转/滑行检测与校正模型能够有效检测列车是否发生空转/滑行并对误差进行校正,测速定位精度满足车载ATP(列车自动防护)的精度要求,达到了模型设计的目的。     

改进的车轮踏面磨损量最优非负变权组合预测模型

为准确获取车辆轮对踏面随列车运行里程的磨损量变化情况,以灰色离散GM(1,1)模型、指数平滑模型和线性回归模型为单项预测模型,以灰色关联度最大为最优准则,建立车轮踏面磨损趋势的最优非负变权组合预测模型。与各单项模型、以组合预测误差平方和最小为最优准则的变权组合模型进行对比。研究结果表明,变权组合模型的局部预测精度和全局预测精度均高于各单项模型,而本文模型有效抑制了基于误差平方和最小的变权组合模型误差"放大"的缺陷,预测精度及稳定性更高。