共查询到10条相似文献,搜索用时 62 毫秒
1.
BP神经网络在城市有轨电车GPS/RFID组合定位中的应用研究 总被引:1,自引:1,他引:0
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。 相似文献
2.
3.
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。 相似文献
4.
5.
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。 相似文献
6.
《铁道学报》2017,(11)
现代有轨电车作为一种城市交通工具,其行驶中卫星信号会受到折射、反射、多路径效应等因素的影响,造成卫星定位精度差、信号失锁等问题。为此本文提出一种基于BDS和RFID的提高定位信号完整性的方法。将北斗卫星UTC引入RFID的TOA算法中,得出基于RFID的定位方程,同时在北斗卫星最佳位置的判决门限中引入水平精度因子HDOP,得出伪距测量方程,最后通过结合最小二乘法与小波滤波得出位置坐标。经测试该方法有效降低了卫星信号的多路径效应,弥补了单一北斗卫星定位的不足,定位精度提高了50%。最后分析有效数据传输及误码率,证明该方法能满足车-地通信的要求,定位信号的完整性提高了71.2%。 相似文献
7.
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。 相似文献
8.
9.
车辆定位技术是有轨电车运行控制系统的关键技术之一。针对传统GPS(全球定位系统)定位技术存在的缺点,结合有轨电车的运营特点和定位需求,提出了以BDS(北斗卫星导航系统)定位为主、以“IMU(惯性测量单元)+轨道电子地图”定位为辅的有轨电车车载组合定位方案。对该组合定位方案进行了仿真测试,结果表明:组合定位系统可以保证有轨电车的精确、连续测速定位,可为有轨电车车辆定位提供了一种低成本、有效的解决方案。 相似文献