“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。     

基于卡尔曼滤波的组合定位技术在现代有轨电车的应用研究

针对现代有轨电车定位系统实时性、高精确度等要求,结合有轨电车工程设计的需求,设计一种新的有轨电车定位系统。系统采用组合定位方式,以GPS定位为主、DR/RFID定位为辅,采用分段式组合定位技术,在满足有轨电车工程中造价低的特点的同时确保列车运行安全。利用坐标转换对数据进行融合,再通过卡尔曼滤波对定位数据进行优化,从而有效地提高有轨电车的定位精度。实验测试结果表明,该方法能够有效地减少有轨电车的定位误差,提高定位精度和系统稳定性,满足行车要求。     

GPS-ZigBee组合定位在现代有轨电车定位中的应用

目前,现代有轨电车定位主要采用GPS(全球定位系统)定位方式,在某些特殊地区其定位精度会受到影响,提出GPS-ZigBee(紫蜂协议)组合定位的方式定位来解决这一问题。并且提出使用联邦卡尔曼滤波器对GPS定位数据和ZigBee定位数据进行滤波融洽,提高GPS-ZigBee定位组合的定位精度。结果表明,经过融合滤波,GPS-ZigBee组合定位在提高现代有轨电车定位精度方面,比较原有的定位系统更具优越性,使现代有轨电车定位系统的定位精度得到有效改善。     

联邦卡尔曼滤波技术在列车组合定位中的应用研究

列车定位技术已向组合方向发展,组合定位能提高列车的定位精度及定位系统的稳定性,其中,数据融合算法是最关键的技术之一。将DGPS(差分GPS)、应答器、ODO(里程计)定位系统的定位信息采用联邦卡尔曼滤波进行信息融合,采用信息分配因子,决定不同传感器定位信息在组合定位系统中所占的权值,可有效利用各种定位技术的优势;同时给出了算法的理论分析与仿真结果,证明了融合算法的可行性。     

混沌微粒群优化BP神经网络算法在城市有轨电车定位中的应用

针对城市有轨电车GPS/RFID组合定位因加入RFID定位方式影响定位精度的问题,基于CPSO算法优化权值的良好性能和BP神经网络的泛化能力,提出一种新的组合算法,对城市有轨电车GPS/RFID组合定位中滤波器的输出进行调整,并通过实例分析组合算法的收敛性和可行性。仿真结果表明,经CPSO算法优化的BP神经网络,其均方误差收敛速度快,网络输出值精度等级高,在提高城市有轨电车定位精度方面,比BP神经网络及经PSO算法优化的BP神经网络更具优越性,使城市有轨电车定位系统的定位精度得到有效改善。     

基于GPS的虚拟应答器在调车监控系统中的应用

提出一种适用于无线调车机车信号和监控系统中基于GPS技术实现的作业机车初始定位方案———虚拟应答器方案,代替了目前普遍采用的无源应答器方案,极大地提高了工程实施水平。虚拟应答器方案通过组建局域差分增强系统方式,提高了定位精度;在设计上采用模块化方式实现结构和功能分离。通过理论分析和现场试验,表明虚拟应答器的定位精度满足调车监控系统要求。     

BP神经网络在城市有轨电车GPS/RFID组合定位中的应用研究

在城市有轨电车定位系统中,单一的GPS定位方式已很难满足电车连续精确定位的要求。采用GPS和RFID组合定位的方法,可实现在弱信号环境下的连续精确定位。针对GPS/RFID组合定位时,因加入RFID观测值带来的较高计算复杂度而引起定位时间延长,以及对系统定位误差影响不确定性等问题,建立基于BP神经网络的城市有轨电车GPS/RFID组合定位模型。仿真结果表明,采用BP神经网络进行分析时,将GPS和RFID观测值归一化后输入到训练好的网络中,可以在较短的时间内得到可靠的网络输出。经训练后的网络输出较未经训练的输出更接近于期望值,且更为稳定,证明在GPS信号受遮挡条件下城市有轨电车定位系统的定位精度和定位时长得到了有效改善。     

基于GNSS与IMU的现代有轨电车组合定位方法研究

GNSS与IMU组合导航系统具有全天候、全天时、高动态和误差不随时间积累的优点,结合现代有轨电车定位需求,提出一种基于GNSS与IMU的现代有轨电车组合定位方法。该方法利用GNSS和IMU 2种传感器安装在不同位置来实现数据采集,基于模糊投票机制决策的融合算法,能够实现对多IMU传感器的数据融合,减小随机误差;分析GNSS系统的故障诊断与隔离方法,给出故障判别条件;提出采用自适应联邦卡尔曼滤波算法实现GNSS与IMU数据最优融合和可容错处理。研究结果表明:本方案能够实现高精度可靠定位,与传统的GPS与IMU组合定位相比,其定位精度提高了40.2%,系统的容错能力得到进一步提高。     

虚拟应答器研究进展与发展展望

欧洲应答器(Eurobalise)是欧洲列车控制系统(ETCS/ERTMS)中广泛使用的列车定位设备.在使用时需要铺设大量的地面设备,需要昂贵的费用和较大的维护量.随着卫星定位导航(GNSS)技术的发展,定位精度越来越高;同时越来越多的卫星定位系统(GPS,GLONASS,GALILEO)可用,使得降低列车定位的成本成为可能.国际铁路联盟(UIC)提出采用卫星定位导航技术,辅以地图匹配技术实现虚拟应答器(virtual balise).虚拟应答器可以部分甚至全部取代实物应答器,无需地面轨旁设备.本文就虚拟应答器的发展背景、功能要求、实现方式、应用方式以及目前发展的现状进行描述,并且建议在中国的列车控制中采用虚拟应答器,从而适应中国铁路快速发展的需要.     

基于GPS/DR的现代有轨电车定位方法研究

针对现代有轨电车运行环境和运营特点,采用GPS定位为主,航位推算为辅的车辆定位方案,确保现代有轨电车在运营线路上定位信息的连续性和完整性。采用卡尔曼滤波等数据处理方法,减少传感器采集数据的零偏漂移和随机漂移,降低航位推算的累积误差,提高定位信息的精确性。由理论分析和跑车试验可以看出,组合定位方案和数据处理方法可以有效实现现代有轨电车在全部运行线路上的跟踪和定位。