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。     

机载LiDAR技术在复杂地形铁路定测阶段的应用研究

为提高新建铁路定测阶段测量工作效率,在某复杂地形新建铁路项目中,基于其使用机载LiDAR点云数据进行中线测量、横断面测量、地形图测绘等作业,并对数据精度进行分析比较.在LiDAR断面测量时,基于Terrasolid软件得到的成果数据冗余量大,提出一种改进的道格拉斯-普克算法,以达到既反映地形变化又减少断面点数量的效果....     

列车定位轨道电子地图数据约简算法研究

高效、高精度的轨道电子地图是实现列车定位及列车运行控制的重要基础。为了提高轨道电子地图数据的存储及使用效率,在地图生成过程中需要在保证精度的前提下对测量数据进行约简。本文在实测数据的基础上分析轨道地图测量数据特性,采用小波变换及距离判别的方法对异常测量数据进行剔除,提出一种基于垂距判定和三次B样条曲线拟合的数据约简算法用于地图生成。该算法利用垂距判定方法从异常值剔除的原始数据中选取一定数目的测量点构成轨道特征点集,并对其进行三次B样条拟合,通过对拟合曲线进行误差判别修正和补充特征点,完成数据最终约简及轨道地图生成。青藏线实测数据验证结果表明,在合理选择垂距限差的情况下,该算法能够有效约简原始地图测量数据,并保证所生成地图的精度水平。     

基于改进YOLOX与多级数据关联的行人多目标跟踪算法研究

目标跟踪是计算机视觉领域的基本问题,行人多目标跟踪在智能监控、智慧交通等多个领域有着广泛的应用前景。然而实际跟踪场景中存在频繁遮挡、尺度变化等情况,给多目标跟踪算法带来了极大的挑战。为了进一步提升跟踪精度,在DeepSORT的基础上,提出一种基于改进YOLOX与多级数据关联的行人多目标跟踪算法。对于检测器,为了增强网络的特征表达能力,提高检测精度,在YOLOX骨架网络与颈部网络分别引入ECA通道注意力模块与ASFF自适应特征融合模块。对于身份识别特征,为了减少数据关联步骤的错误匹配数量,提高跟踪效率,使用轻量的OSNet重识别网络与NSA卡尔曼滤波获取目标特征。对于数据关联,为了减少身份切换次数,避免目标丢失,将检测与跟踪都进行分类处理,使用不同的相似性计算方法,实现基于检测置信度与轨迹状态的多级数据关联。实验结果表明：与改进前YOLOX与DeepSORT简单结合的算法相比,在YOLOX中引入ECA模块与ASFF模块使误检数量大幅降低,使用YOLOX-s模型时降幅可达17%;结合OSNet模型与NSA卡尔曼滤波的特征提取方法能提高跟踪稳定性,IDF1指标提高0.77%,IDSW减少94...     

基于滑模控制的卡尔曼滤波在列车定位中的研究

为了提高城市轨道交通中轮轴速度传感器与加速度计组合定位的精度,提出一种基于滑模控制的改进卡尔曼滤波算法。对于组合定位来说,由于卡尔曼滤波不能很好地修正加减速过程中的空转打滑误差,考虑到滑模控制器的滑动模态与系统的参数及扰动无关,提出采用基于滑模控制的改进卡尔曼滤波来进一步降低误差。其基本思路是应用指数趋近律滑模变结构来改善里程计算值,然后再进行卡尔曼滤波。并利用仿真软件对上述过程进行验证,仿真结果表明:基于滑模控制的改进卡尔曼滤波算法,能够在一定程度上减小空转打滑误差,进一步提高定位的精度。最后通过与其他卡尔曼滤波改进算法对比,得出基于滑模控制的卡尔曼滤波方法结构更为简单,也能保证一定的精度。     

基于MapReduce的时序数据离群点挖掘算法

针对海量数据中离群点的挖掘,将网格聚类和MapReduce编程模型相结合,排除不可能包含离群点的网格,再用LOF算法对剩余网格中的数据进行离群点检测。为了提高网格聚类的检测精度,本文提出了一种基于聚类半径的改进算法。实验表明了该算法的有效性,同时分析了在节点数不同的情况下,网格聚类所用时间,证明了基于MapReduce的网格聚类适合处理海量时序数据。     

基于三点激光准直原理的轨道几何参数测量技术

针对既有激光准直系统存在激光弦抖动现象和人工测量无法直接检测轨道中长波平顺性的问题,为进一步提高轨道几何参数测量精度,结合捣固车现场实际作业模式,提出发射车+接收车+接收车的“一发两收”模式,开展基于三点激光准直原理的轨道测量技术研究。通过激光弦、轨距、超高、里程计等多传感器数据融合,测量轨道内部几何参数;构建三点式激光准直矢距测量模型,解决了激光弦抖动漂移误差问题;采用接收车跟随自走行技术,提高了测量效率。现场试验结果表明：使用三点弦技术方案测量得到的轨向、高低、正矢、轨距、超高等轨道内部几何参数满足现场使用的误差要求,可为数字化、智能化捣固提供数据支撑。     

高速动车组车体机器人加工位置校准方法研究

在高速动车组车体机器人加工例如高铁侧墙等大型工件过程中,通常采用离线编程的方法,但由于工件形变较大,对机器人加工路径精度要求比较高,精确校准加工位置尤为重要。结合高铁侧墙清根作业过程中的位置校准相关问题,提出了一种基于几何特征的改进算法,并对所得数据进行试验分析,试验表明新的改进算法保证了配准精度,同时缩短了算法的执行时间。     

基于主曲线和自适应半径的多GPS轨迹数据融合算法

研究从大量低精度的GPS轨迹数据融合生成高精度GPS数据的快速有效算法,并产生若干关键数据点以简化描述GPS轨迹,具有提高数据精度、降低测量成本和减少数据存储空间的重要意义。本文依据K段主曲线、二分法、优化等理论方法,提出3种多GPS轨迹数据融合算法:最大距离融合算法MDA、数据分块算法DPA、自适应半径数据融合算法ARA。算法的仿真实验结果表明,ARA算法在数据精度、曲线光滑程度等方面明显优于其他两种算法。将3种算法应用于青藏铁路实测多轨迹GPS数据的融合,验证结果表明,ARA算法性能最优,平均横向误差在0.2m左右,约简率为2.01%,有效节约了数据的存储空间,能够较好地完成高精度轨迹的生成。     

三维激光测量在大型车站雨棚检测中的应用

随着铁路车站钢结构雨棚使用时间的延长，影响结构安全和正常使用的病害不断显现，因此对雨棚结构整体可靠性的检测、鉴定项目陆续开展。针对图纸资料缺失的雨棚，需要对其众多构件及节点分别定位，以建立计算模型完成承载能力分析。本文采用地面三维激光扫描仪建立某车站钢结构雨棚点云模型，利用点云处理软件和基于CAD平台的处理模块对点云模型进行拼接、切割、拟合，采用分块处理的方式获取结构布置、构件型号等信息。结合壁厚检测数据建立结构有限元模型，完成了对该结构的承载能力分析。经工程应用，地面三维激光扫描仪在测试环境正常、测点布置科学时，测量精度和效率均较好，与传统全站仪测量相比检测效率明显提升。点云模型后处理软件在操作和功能方面需要进一步智能化，以提升测量精度和效率。     

基于小波变换的轨道检测数据滤波方法

为了尽量减小轨道检测数据中夹杂的粗大噪声干扰对轨道检测结果的影响,利用小波算法对轨道检测数据滤波处理是一种可行方法。分析了dbl,db2,db3和db4小波基对轨道检测数据中高频突变脉冲信号的敏感性,选用较为敏感的db1小波基对轨道检测数据进行小波分解。通过3σ准则识别出粗大误差点并加以剔除,对轨道检测数据的高频和低频部分进行小波重构,从而达到较好的轨道检测数据去噪滤波效果。分别采用均方误差值、信噪比和平滑度指标对几种小波的去噪滤波效果进行了分析比较,进一步验证了db1小波能在轨道检测数据的处理中达到较好的去噪滤波效果。实例表明,论文提出的方法对能够敏感地识别轨道检测数据中的噪声信号,有效地剔除检测数据中的粗大误差,达到较为理想的轨道检测数据滤波效果。     

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。     

高速列车测速测距系统滤波模型与融合策略研究

高速列车的测速测距系统是保障列车运行安全的关键要素。滤波算法的建模和分析是构建测速测距系统的一个重要前提。通过对列车测速传感器的工作原理以及观测方法进行分析,分别建立了基于卡尔曼滤波的等速模型和等加速模型,并在Matlab中对两种模型的滤波特点进行了仿真分析。同时初步探讨了适用于高速列车的多传感器融合策略。对实验室数据和现场采集数据的分析验证了两种滤波模型的有效性及各自特点。滤波模型的仿真分析与多传感器融合策略的研究为测速测距系统的开发提供了依据。     

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2D的钢轨轮廓特征点提取方法研究

钢轨轮廓数据特征点快速、准确提取是保证钢轨轮廓精确匹配、轨道几何不平顺精确检测的前提。对基于二维激光位移传感器(2D)的钢轨轮廓测量数据特征点提取方法进行研究,通过对采集的钢轨半断面轮廓数据采用基于中值误差与连续度自适应调整权值的平滑滤波方法对实测轮廓数据进行平滑处理,解决存在分段的轮廓数据达到分段平滑的效果。提出钢轨轮廓特征曲线的概念,并给出特征曲线的一种定义方式,利用特征曲线上的特征点去快速定位实测轮廓特征点。最后,采用GJ-2型轨道检测车进行试验,通过对实际轨道进行轮廓测量,采用本文所提出的特征点提取方法对实测轮廓数据进行特征点提取,试验证明,该方法能快速、准确地定位轮廓特征点。     

基于GAPSO-RBFNN的动车组电机吊架多目标稳健优化设计

基于遗传粒子群(GAPSO)算法获取最优平滑系数,从而改进径向基神经网络(RBFNN);通过电机吊架的灵敏度分析筛选出对其总质量和自然频率等质量特性影响较大的关键设计变量;结合正交试验设计与有限元分析得出电机吊架各质量特性值及对应的信噪比,将试验数据作为输入、信噪比作为输出用于GAPSO-RBFNN的训练和测试,并对比分析预测精度;基于GAPSO-RBFNN构建电机吊架的多目标稳健优化模型,采用NSGA-II多目标优化算法对其寻优求解,并与传统设计方案进行对比。结果表明:GAPSO-RBFNN的预测误差远低于传统RBFNN;优化后电机吊架各质量特性信噪比得到提高,实现了对电机吊架的多目标稳健优化,降低了电机吊架总质量,提高了其自然频率。     

基于人群运动变化规律的异常行为检测算法

实时检测公共场所的群体异常行为对维护公共安全、保障人民群众的生命和财产安全具有重要意义。研究表明,当人群的动作行为按照一定规律变化时,人群是正常行为,反之则为异常行为。为此,文章挖掘视频中的人群运动变化规律,建立异常行为检测算法,对异常行为进行识别定位。该算法在UMN数据集和自建数据集上进行了性能评测,并与其他算法进行对比分析。实验结果证明了该算法在异常行为检测中的有效性。     

驼峰测速雷达信号的小波滤波分析

针对卡尔曼滤波方法存在的缺点,研究采用小波滤波方法进行驼峰测速雷达信号滤波。小波滤波的基本原理是对信号小波变换后的小波系数进行非线性处理,然后重构信号,滤除信号中的噪声。根据雷达信号的特点,初步选用Haar小波和二阶Dauhechies(db2)小波、3层分解、通用阈值和半软阈值算法,进行离线试验及分析。根据离线试验的滤波效果,确定选用二阶Daubechies(db2)小波、3层分解和半软阈值算法进行雷达信号滤波。利用离线试验选定的小波和算法,对采集的雷达信号进行实时滤波仿真,仿真结果与离线试验结果基本一致。将小波滤波方法与卡尔曼滤波方法对比可知,小波滤波能有效地滤除噪声、提高信噪比、减少均方差,滤波效果比较理想。因此,采用小波滤波方法进行驼峰测速雷达信号滤波,可以获得更准确的车速。