基于多传感器信息融合的列车定位方法研究

针对城市轨道交通中列车定位问题,提出了一种基于联邦卡尔曼滤波器的多传感器信息融合列车定位方法,建立了GPS/IPS/DR信息融合模型,对GPS/IPS/DR组合的信息融合定位进行了MATLAB仿真,结果表明,GPS/IPS/DR融合定位能提高列车的定位精度和可靠度,能很好的抑制传统列车定位中的积累误差.     

采用时域相关匹配信息融合的列车定位方法

提出了一种基于陀螺和速度传感器融合的列车定位方法,通过对陀螺和速度传感器测得的列车运行的角速度和速度的计算,实时地获得航向角对里程的导数的测量值.航向角对里程的导数表征了线路曲率情况,对于一条线路,航向角对里程的导数可以被认为是固定不变的,而且可以用来与预先获得的线路数据库进行实时匹配,进而获得列车的里程值.首先根据固定门限对获得的航向角对里程的导数进行判断列车是否进入了曲线区段,即是否启动匹配过程,然后将航向角对里程的导数与线路数据库中的数据进行时域相关匹配,最后根据相关系数的大小确定匹配的结果,并用此值对单纯采用速度传感器计算的里程值进行校正.为了验证所提出的方法的效果,进行了车载的数据采集试验,通过对试验数据的离线计算和匹配获得了列车的位置.通过与单纯采用速度传感器的列车位置的比较,证明了所提出的方法的有效性和可行性,列车的位置误差被限制在有限的范围内.     

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。     

基于北斗导航的列车定位技术研究

北斗卫星已逐步具备应用于列车定位的能力,为北斗卫星导航在铁路系统中的应用发展提供重要契机。将北斗卫星导航系统应用到列车定位系统,不仅能提高定位精度,而且能降低成本,也是列车运行控制系统安全性与可靠性的有力保障,对于列车定位系统的研究具有深远意义。与四大卫星导航系统进行比较,根据列车定位技术的分类,归纳各自特点和研究方向,最后指出基于北斗导航的列车定位技术下一步的重点工作。     

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。     

基于通信的列车控制模式下的列车定位新技术

分析了目前常用的列车定位技术的优缺点.介绍了基于多传感器信息融合和基于漏泄同轴光缆的列车定位新技术.对利用漏泄同轴光缆或基于多传感器信息融合测速定位方法实施CBTC(基于通信的列车控制)模式下列车精确定位进行理论探讨,为解决现有采用轨道电路和信标进行列车定位精度不高和初始化过程长等缺点提供了借鉴思路.     

基于改进H~∞滤波算法的列车组合定位方法研究

列车实时定位是列车控制系统的重要环节。针对列车定位系统中模型不确定性和外部干扰不确定性,提出了一种基于鲁棒估计理论的列车组合定位方法。给出了随机不确定多传感器融合系统的数学模型描述。根据离散系统有界实引理、Schur补定理及线性矩阵不等式求解技术,得到了一个针对该类多传感器系统H∞融合滤波器的存在性定理,并在该定理基础上得到基于H∞滤波理论和方法的分布式多传感器信息融合滤波器。仿真结果表明,该组合定位系统能够满足列车定位的精度要求,能够在不同定位条件下保证定位高效与安全,为提高列车组合定位系统的鲁棒性,进行了有益的尝试。     

基于 PIS 网络的城轨列车 辅助定位系统设计与实现

在信号系统失效的情况下,调度人员无法获悉列车位置,现有后备模式和电话闭塞法指挥行车存在效率 低下的问题,且具有一定的安全隐患。通过列车速度传感器、加速度传感器提供速度信息,持续计算列车位移, 并通过 PIS(passenger information system,乘客信息系统)网络通道传送给车载定位服务器;车载定位服务器再结合 信号系统故障时刻的位置信息,计算出列车的最新位置信息,以实现列车实时定位。该系统在合肥轨道交通 1 号 线上进行验证,结果表明该系统在全线及个别列车信号系统故障情况下,均能实现列车实时定位,站间平均误差 小于 1 m,全线定位误差率小于 1‰,全线单程累计误差距离小于 20 m。     

基于LabVIEW的列车测速定位平台研究

针对单一列车测速定位技术的不足,设计了多传感器融合列车测速定位软硬件平台。主要描述了硬件平台的组成,并介绍了基于虚拟仪器软件LabVIEW以及MATLAB的软件平台功能。最后通过铁路现场的实验获得了数据并进行了离线数据处理。     

基于多传感器融合的列车测速定位方法

以信息融合技术为基础,研究以速度传感器为核心的多传感器融合列车测速定位系统;通过列车打滑试验,验证和分析该测速定位系统的空滑检测和误差补偿能力.     

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。     

多传感器融合列车测速定位实验平台的研究

阐述多传感器融合在列车测速定位中的应用;通过搭建多传感器融合的列车测速定位实验硬件平台,并利用虚拟仪器软件LabVIEW,实现平台的软件功能;介绍在铁路现场进行的实验及所获得的有效数据。     

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。     

基于北斗卫星导航系统的列车安全定位保障方法

针对目前列车运行控制系统发展规划,尤其是正在飞速发展的基于通信的列车控制在列车定位安全性和精确性方面的需求,基于我国自主开发并建设的北斗卫星导航系统,提出并实现以北斗卫星导航系统为核心,并结合多模定位与多传感器定位测量方式组合融合的列车安全定位方法,介绍其系统架构设计,对涉及的关键技术进行说明.     

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。     

应答器/SINS信息融合的列车定位方法研究

针对列车在高架桥、隧道、密林等地区无法接收卫星信号的问题,采用应答器/SINS信息融合的方法对列车进行位置监测。首先建立了基于固定应答器融合SINS (捷联惯导系统)的数学模型,利用ECEF坐标系进行二者信息融合;其次采用鲁棒滤波器对融合误差进行估计,保证系统的稳定性;最后结合先验数据,采用神经网络预测出捷联惯导系统误差,修正列车定位信息。仿真实验结果表明:与应答器融合后的SINS,一定程度上抑制了定位结果的发散;在400s内不依靠卫星的情况下,也能使定位累积游走误差下降93.6%。     

基于卷积神经网络的列车位置指纹定位算法研究

针对高速铁路隧道环境下采用位置指纹定位时定位精度低的问题,提出将深度卷积神经网络应用于列车位置指纹的定位中。首先采用2σ准则、模糊C均值聚类FCM及类数据加权,对采集到的下一代铁路通信系统LTE-R中的信号强度值进行预处理,降低异常值的影响,提高指纹数据的有效性;然后引入定时提前量,增强指纹特征值;接着将处理后的指纹数据量转换为灰度图片指纹条,基于图像样本建立FCM-CNN指纹定位模型;最后以现场实测数据为基础对定位模型进行测试验证。结果表明,相较于采用未经处理的数据作为样本的CNN模型及传统的位置指纹定位方法,基于FCM-CNN的列车位置指纹定位方法,提高了数据质量,在离线阶段具有较大的指纹采集间距,大幅减少了指纹采集工作量,模型训练时间较短,定位精度小于10 m的概率可达100%,满足列车在中密度线路对定位精度的要求。     

融合结构对城市轨道交通列车组合测速定位精度的影响

测速定位传感器、融合算法和融合结构是决定城市轨道交通列车组合测速定位性能的三个要素。就融合结构对列车组合测速定位精度的影响进行了研究。通过一系列仿真分析和比较,证明了集中融合结构在精度方面优于级联融合结构,并针对级联融合结构提出一种能够改善其精度的av-l分离的信息分配系数确定法。