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%。     

基于相关熵的自适应扩展卡尔曼滤波定位方法

我国下一代列车运行控制中,列车位置主要通过融合以卫星定位为核心的多源定位信息得到。然而,卫星量测易受到钟跳或环境多源噪声等不确定因素影响,产生阶跃故障或瞬时粗大偏差等现象,导致传统扩展卡尔曼滤波估计失准且稳定性下降。通过分析常规滤波方法在列车位置估计中存在的问题,采用信息理论学习思想提出一种基于最大相关熵准则的自适应扩展卡尔曼滤波定位方法(AMCEKF);利用最大相关熵准则替换传统滤波中的最小均方差准则,选择高斯核函数作为代价函数,重构量测噪声,避免了量测噪声的先验高斯假设;设计基于Pseudo-Huber的核宽度自适应更新策略,解决核宽度对估计性能的制约问题。采用拉萨—林芝铁路实测数据进行测试,测试结果表明：在瞬时故障和阶跃故障场景下,AMCEKF均能够有效抑制故障量测带来的定位性能退化,具有较高的鲁棒性和估计精度;相比基于扩展卡尔曼滤波的定位结果,水平位置精度分别增加了56.5%和61.2%。     

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。     

提速线路轨道不平顺谱拟合方法

研究了中国提速线路轨道不平顺谱估计方法,提出了中国提速线路轨道不平顺谱。为提高功率谱的精度,首先利用线性插值剔除异常值、EMD模态分解法消除趋势项并进行滤波处理。基于最大熵法和Welch法统计得到提速线路轨道不平顺谱,并对比分析了不同月份的轨道不平顺谱的特性,采用非线性最小二乘法拟合提出中国提速线路轨道不平顺谱表达式及拟合参数。研究表明,利用Welch法和最大熵法计算提速线路轨道不平顺谱,最大熵法计算得到轨道谱的分辨率和精度优于Welch法;对比基于非线性最小二乘法的3种拟合函数,nlinfit函数能较好地拟合提速线路轨道不平顺谱。提出提速线路轨道谱拟合参数,为提速线路的养护维修、优化设计等提供参考依据。     

Kalman滤波算法研究及其在高铁沉降监测中的应用

为了对运营高速铁路沉降监测数据合理利用进而为科学预警提供准确的依据,采用Kalman滤波算法对其数据进行分析.并基于初始状态参数中随机干扰因子设置的不同,提出了静态、常速、加速3种Kalman滤波模型,利用上述3种模型对高铁实际沉降监测数据进行滤波处理,得到静态、常速、加速三种模型的滤波残差最大值分别为8.28 mm、...     

高速动车组横向悬挂系统失效故障的诊断方法

针对现有基于Kalman滤波技术的故障诊断方法不能有效诊断高速动车组横向悬挂系统失效故障的问题,通过建立高速动车组横向悬挂系统动力学仿真分析模型对高速动车组横向悬挂系统失效故障的特征进行分析发现,高速动车组横向悬挂系统中抗蛇行减振器失效故障对0~10Hz频段内的转向架横向振动加速度信号敏感,二系横向减振器失效故障对0~2Hz频段内的车体横向振动加速度信号敏感;基于此,提出改进的基于Kalman滤波技术的失效故障诊断方法,用于高速动车组横向悬挂系统失效故障的诊断。用该改进方法对转向架横向振动加速度信号进行0~10Hz滤波、对车体横向加速度信号进行0~2Hz滤波,然后计算二者信号的综合新息加权平方和(WSSR),若该WSSR有突变,则表明高速动车组横向悬挂系统发生失效故障。仿真分析结果表明:在车速为300km·h-1速度级下,采用改进方法可以有效地诊断高速动车组横向悬挂系统抗蛇行减振器和二系横向减振器的失效故障。     

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.     

多径信道下基于等增益合并的盲多用户检测

提出一种多径信道下基于等增益合并约束最优化的盲多用户检测算法，该算法在数学形式上可等效为等增益合并的形式，并可分别由于空间和最小最大滤波的方法来求解，此种算法的优点是不需要估计信道，其性能与信道信息在已知情况下的差别不大，与基于等增益合并的子空间算法相比，基于最小最大滤波的方法收敛速度快，性能更好。     

图像识别在编组站驼峰作业过程控制中的应用

利用图像识别理论,针对编组站驼峰作业情况,提出一种通过图像序列快速、直观判断溜放车组特征和走行趋势的方法。根据图像的形状特征,采用伸长度、圆度、矩形度、凹凸度4个参数作为模式样本的特征。采用基于熵的运动目标的检测方法实现目标检测和跟踪。用Kalman滤波来更新背景,用当前帧图像减除动态背景,用信息熵来选择阈值,使目标和背景的信息量达到最大,从而将目标和背景正确分割。通过双轨检测判断车组走行位置。应用统计原理,建立计算距离与实际距离的关系模型,通过分析和计算分别得到双曲线拟合、二阶多项式拟合及三阶多项式拟合三条回归曲线,选取三阶多项式作为关系模型。根据车组的实际位置计算车组的瞬时速度。     

基于EMD模态相关和形态学降噪的齿轮故障诊断研究

为了从齿轮振动信号中提取出包含有故障信息的特征频率,针对现有EMD(Empirical Mode Decomposition)降噪算法中的IMF重构问题,提出了基于EMD模态相关和形态学降噪的齿轮故障诊断方法。首先采用EMD将目标信号分解为若干个IMF分量之和,利用模态相关分选准则选取噪声主导分量和信号主导分量的分界点,并利用各个IMF分量的自相关函数来验证该准则的正确性;然后将选到的噪声主导分量进行形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应的寻求最优解;最后将滤波后的噪声分量与剩余分量进行重构,得到滤波重构信号,通过频谱分析识别齿轮故障特征频率。仿真数据和齿轮裂纹故障实验测试数据的分析表明,该方法滤波效果理想,能更有效地提取出齿轮故障特征。     

基于时间序列方法的网络信号传输时延预测

针对铁路信号在传输过程中存在时延与丢包,导致整个系统的控制性能下降甚至不稳定的问题,提出一种新的延时预测算法,首先用时间序列方法建立网络时延的状态空间模型,然后通过Kalman滤波方法对时延进行在线估计,得到延时预测值.仿真实验结果表明,该方法对传输时延具有预测效果,保证了较好的实时性.     

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。     

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MEP法的在役桥梁时变可靠度研究

基于最大熵原理和概率理论,提出用于分析在役桥梁结构时变可靠度的最大熵概率密度迁移法(MEP法)。采用有限元法求出较为精确的响应量,用数理统计法求得响应量的各阶矩;以4阶原点矩为最大熵约束条件,结合最小二乘法推导结构响应的概率密度函数解析式;基于时变可靠度原理,得出1组迁移的概率密度曲线族;根据"安全—损伤—失效"三级工作模式确定积分限值,计算结构的时变损伤概率与失效概率,进而得到相应的可靠度。运用MEP法和Monte Carlo法对在役桥梁算例可靠度的比较计算结果表明:2种算法结果较为吻合,且符合在役桥梁现状;MEP法可避免Monte Carlo法的大规模取样,并解决数值积分法所面临的复杂结构功能函数难以获得的问题。     

基于熵权-TOPSIS的轨道线网分级测度

针对传统分级模型指标权重取值难度大、主观性强、灵敏度差的缺点，从可量化角度，以减少指标参数主观取值为目标引入熵权法。结合轨道交通线网特点，提出评价指标体系及指标处理方程，采用能根据原始数据客观赋权的熵权法确定指标权重,再运用TOPSIS法构建基于熵权-TOPSIS的轨道交通线网综合评价模型，并通过成都市轨道交通远景预选方案对模型进行实证检验。结果表明：该模型具有较强的科学性与可行性，能有效支持轨道交通线网的综合决策。     

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。     

基于熵权TOPSIS的轨道交通线网分级测度

针对传统分级模型指标权重取值难度大、主观性强、灵敏度差的缺点,从可量化角度,以减少指标参数主观取值为目标引入熵权法。结合轨道交通线网特点,提出评价指标体系及指标处理方程,采用能根据原始数据客观赋权的熵权法确定指标权重,再运用TOPSIS法构建基于熵权TOPSIS的轨道交通线网综合评价模型,并通过成都市轨道交通远景预选方案对模型进行实证检验。结果表明:该模型具有较强的科学性与可行性,能有效支持轨道交通线网的综合决策。     

OFDM技术应用于铁路频率选择性衰落信道下同步与信道联合估计的研究

正交频分复用(OFDM)作为未来移动通信的主导技术,研究将OFDM应用于铁路环境下的相关技术--在铁路无线衰落信道下的同步和信道联合估计具有重要意义.由于在OFDM系统中,定时同步、频率同步和信道估计之间存在着密切的联系,本文对此进行研究,建立了频率选择性衰落信道下的OFDM系统模型,设计估计帧结构和基于最大似然准则的定时同步、载波同步和信道参数联合估计的代价函数,进而提出联合估计算法.通过仿真验证所提算法,并得到如下结论:联合同步与信道估计,可以使系统整体性能得到优化;精确估计会改善系统性能,但多次迭代改善有限,特别是在低信噪比的情况下,所以建议采用粗估计和一次精确估计以达到较好的效果.     

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。