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。     

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BEMD-IPSO-SVM的 扣件完损状态检测

扣件的完损状态关乎铁路系统的安危,而传统检测算法运算复杂且精度不足,为进一步提升检测性能,提出基于BEMD-IPSO-SVM的扣件完损状态检测算法。该算法首先对初始化的扣件图像进行二维经验模态分解,提取固有模态函数的频谱特征,通过改进粒子群算法优化支持向量机来实现检测分类,达到了简化运算,增强泛化性,提升识别准确度的目的。通过实验仿真得出平均检测准确率可达95.15%,证明该算法在扣件检测方面切实可行。     

基于列车运动约束的惯导误差抑制研究

为提高基于GNSS/SINS的列车定位精度,在隧道、路堑等卫星定位不可用区域实现列车的无缝定位,在研究SINS误差模型的基础上,通过引入车辆运动约束条件,在列车低动态运行的情况下,对MIMU输出进行机动判别,推导了捷联惯导的误差模型,进而对水平姿态进行修正,抑制MEMS系统的误差发散,从而保证在单纯依靠惯导定位情况下的稳定可用。通过仿真和实测结果表明,该方法能够有效抑制SINS误差,为列车提供姿态参考。     

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。