基于GPS与惯性测量单元的列车组合定位系统

采用GPS接收机及惯性测量单元构成列车组合定位系统,系统包括传感器输入层、故障检测与隔离层、数据融合层和输出层4个部分。给出GPS接收机、惯性测量单元等定位传感器的位置解算方法;设计采用H∞鲁棒滤波方法的数据融合算法;采用小波变换方法进行组合系统故障检测,确定故障隔离及系统重构策略。对列车组合定位系统进行现场测试和仿真验证结果表明:在复杂的列车运行环境及干扰条件下,该系统能够实现高精度高可靠性的列车定位;定位误差较采用传统的Kalman滤波方法更为稳定;组合系统能够有效实现故障检测并根据故障隔离策略重构系统,保证定位输出的连续性,保障系统安全;具有较高的适应性和实际应用价值。     

低成本列车组合定位系统容错算法设计

列车实时定位是列车控制系统的重要环节。在安全苛求的现代列车控制系统中,列车定位系统需要在实现高精度列车定位的同时具备容错能力,以保证系统安全。针对列车定位的安全性需求,从保障列车定位系统的容错性能出发,利用低成本GPS接收机、惯性测量器件以及里程计等定位传感器构成列车组合定位平台,给出列车组合定位系统的结构与功能,将小波变换方法用于组合系统故障检测并制定相应的故障隔离策略,以H∞鲁棒滤波为基础设计联邦结构的多传感器容错信息融合算法用于定位计算。利用自制轨道推车进行的实验及仿真结果表明,组合定位系统能够满足列车定位的精度要求,并具有较强的容错能力,能够在不同定位条件下保证定位高效与安全。     

列车组合定位信息采集平台的研究

实时列车位置信息是列车运行控制的基础。基于全球卫星定位系统(GPS)、惯性测量单元(IMU)和里程计(ODO)的通用列车组合定位系统信息采集平台以ARM7处理器为核心。通过研究各种传感器数据的传输以及解算延迟问题,并对延迟进行补偿,解决传感器信息同步以及数据标准化存储等问题。系统提高了列车组合定位的精度和可靠性,同时也为不同融合算法的分析和比较提供了更为可靠的数据源。     

基于序贯辅助自适应渐消UKF的列车定位信息融合算法

针对北斗卫星导航系统(Beidou Navigation Satellite System,BDS)/惯性导航系统(Inertial Navigation System,INS)列车定位模型不准确和噪声统计特性不明导致定位精度低的问题,建立基于BDS/INS的列车紧耦合组合定位系统模型。分别建立系统状态方程和量测方程,提出基于序贯辅助自适应渐消无迹卡尔曼滤波的列车定位信息融合算法。在标准无迹卡尔曼滤波(unscented Kalman filter,UKF)的基础上,该改进UKF算法引入自适应渐消因子,实时调整滤波增益,降低量测方程中噪声对状态更新的影响,提高列车定位的精度。采用序贯辅助方式增加多重渐消因子的灵活度,使得不同滤波通道具有不同调节能力,提高算法的整体性能。最后,将改进UKF与标准UKF分别应用于列车紧耦合组合定位系统模型,仿真结果表明,在列车卫星信号良好的情况下,相比于标准UKF,改进UKF算法有效降低了列车的位置误差和速度误差;在列车部分卫星信号失锁的情况下,改进UKF算法依然能够提供100 s内10 m以下的导航精度,满足列车定位的基本要求。该算法提高了导航精度,降低...     

基于卫星定位的一类位移监测系统的设计与实现

在卫星定位技术以及无线传感器网络技术的基础上设计了一种位移监测系统。当节点所在位置发生移动时,系统能够及时发现并向用户发出警报。系统包括硬件和软件两个方面。其中,硬件方面负责采集卫星定位数据并通过无线方式将其发送至上位机。软件方面则用来对数据进行分析和处理。为了提高系统精度,设计了一种基于滑动均值滤波和一阶前向差分的位移报警算法,并通过大量现场实验数据得出了合理的阈值,使该算法的精度达到了期望要求。     

基于惯性组合导航技术的自走行轨检装置

针对现有轨道线路几何参数测量中存在的检测效率低，检测设备安全性和环境适应能力差、自动化程度低等问题，设计了基于惯性组合导航技术的自走行轨检装置。轨检装置中的惯性组合导航测量系统加电后进入初始对准模式，通过测量、解算得到导航初始航向角、俯仰角、横滚角以及速度、位置信息。初始对准完成后测量系统进入正常导航状态。通过测量系统内置的高性能组合导航处理器，对陀螺及加速度计测量数据进行处理，融合全球导航卫星系统定位信息，实现组合导航。采用Kalman滤波算法实时解算出轨向、高低、正矢、轨距、超高等轨道几何参数。经在试验段多次测量，各项参数重复性检测差值均满足要求。     

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。     

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。     

列车定位系统中数据融合的关键技术

数据融合技术是对多个传感器提供的信息按某种最优融合准则进行融合,能够提高数据的精确度.在列车定位系统中应用数据融合技术,可以有效提高列车定位精度,保障列车安全.阐述数据融合的功能原理、关键技术,对数据融合关键技术广泛应用的几种非线性滤波算法特性和测试精度进行比较,分析保证列车组合定位系统安全完整性的方法.     

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MCKF容错算法的列车多源信息融合定位技术研究

将多传感器组合导航系统应用于列车车载自主定位,利用有效的多源数据融合算法,能提高列车的定位精度和可靠性。为了提高车载自主定位系统的定位精度,提出利用Huber M估计重建观测信息,利用CKF观测更新算法来过滤非线性观测方程的MCKF数据融合算法。为抑制复杂的运行环境所造成的多源噪声对列车定位数据的影响,提出基于小波-奇异值分解的故障检测算法,用以提高定位系统的鲁棒性。仿真和实验结果表明,在复杂的情况下,列车定位系统可以达到较高的精度和可靠性。     

基于北斗卫星与惯性传感器组合导航技术的现代有轨电车定位终端设计

设计基于北斗卫星与惯性传感器组合导航技术的现代有轨电车定位终端,该终端从串口接收北斗卫星与惯性传感器组合导航模块的定位数据,经由主控计算单元分析和提取有效信息,完成数据处理,并将处理后的数据通过专用无线集群上传到中心车辆位置服务器,实现全线车辆的实时定位。该终端已经在北京现代有轨电车西郊线上应用,为行车调度提供了可靠的车辆位置信息。     

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。     

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。     

改进的联邦EKF在列车组合定位中的应用

基于联邦扩展卡尔曼滤波器(联邦EKF)的多传感器信息融合技术,提高定位系统的容错能力和滤波精度。由于联邦EKF从局部滤波到全局滤波的融合算法计算量小,数据通信少,使得其在非线性系统中具有较高频率的应用。在传统联邦滤波器框架基础上,引入图论分析法,构建分散式融合模型,改变传统的“局部-中心”融合模式,以提高数据融合的鲁棒性。为保证初始节点选取的可靠性,提出基于总均方误差的加权质心算法,在保证系统总均方误差最小的前提下计算各节点的权值。通过仿真和车载实验表明：在某局部节点出现异常的情况下,本融合框架依旧能保证定位结果的可靠性。     

基于数据融合的轨道不平顺检测算法研究

针对轨道不平顺检测方法和检测精度问题,提出基于捷联式惯性导航技术,搭建以四元数为基础的"数学平台",融合里程计和射频标签修正里程位置信息,根据惯性测量单元加速度计和陀螺仪的数据进行轮轴姿态解算,通过互补滤波算法进行数据融合,并基于混沌增强果蝇优化算法进行滤波处理,获得以欧拉角表示的轮轴三维姿态数据,进而拟合实现轨道不平...     

轨道电路补偿电容动态检测系统研究

利用以试验车为载体的动态检测方式对轨道电路补偿电容进行检测,能够对其工作状态进行实时监控、提高现场作业效率.本文选用GPS/DR/MM组合定位方法,为动态检测系统提供定位信息,采用自适应联合卡尔曼滤波算法对多传感器数据进行融合,以获得最优估计的定位数据的输出.通过仿真实验进一步证实,这种方法可以得到比单一定位方法更高的故障点定位精度.     

基于互补滤波的轨道不平顺动态测量方法

现有高速铁路轨道动态检测主要采用基于加速度计和测距传感器数据的惯性基准法,由于加速度计具有信噪比低、积分漂移大等特点,限制了其在轨道长波不平顺和低速下的测量精度,因此提出基于互补滤波的轨道不平顺动态测量方法。首先,优化系统硬件结构,在转向架前后安装测距传感器;其次,采用轨面上"两点弦"测量模型,推导基于光纤陀螺仪数据的角速度测量法;通过测量系统传递函数的幅频特性分析,发现角速度测量法在测量30 m以内的短波不平顺时存在衰减,为此提出互补滤波方法,即对加速度测量法与角速度测量法进行融合计算;最后,用轨道-车辆动力学仿真对3种方法的精度进行实例分析。结果表明:相较于角速度测量法,互补滤波测量法有效补偿了其在测量30 m以内的短波不平顺时存在的高频衰减的不足;相较于加速度测量法,互补滤波测量法将平均精度提高了24%～80%,因而它具有噪声敏感度低、受检测速度影响小等优点。     

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。     

基于多传感器的信息融合列车定位算法研究

针对轨道交通列车定位功能的需求,提出了基于轮轴速度传感器、加速度传感器和卫星定位的多传感器信息融合列车定位算法。在列车经过坡道、弯道时,通过轮轴速度传感器和加速度传感器,实现列车运行方向角度的计算,修正卫星定位的定位结果,提高卫星定位精度。通过现场试验验证,本文提出的算法能够有效地提高列车通过坡道、弯道时的定位精度,具有实际的应用价值。