原文传递
基于模糊自适应联合卡尔曼的列车速度融合方法研究
| 论文题名： | 基于模糊自适应联合卡尔曼的列车速度融合方法研究 |
| 关键词： | 多传感器组合测速;卡尔曼滤波;模糊评判;轮径预测;高斯过程回归 |
| 摘要： | 随着高速列车运行时速的不断提高，推动了列车控制技术及性能指标朝着越来越高的方向发展。列车运行控制系统是通过监控当前列车的速度、位置信息来实现智能控车，保障行车安全和运营效率。车载测速模块则是列控系统最为基础、关键的子系统，其提供的速度信息是保证列车精确控制的决定性参数。所以提高列控系统的测速精度，实现列车自主控车具有十分重要的意义。论文分析了当前国内外铁路测速系统的应用现状及未来发展需求，提出在轮轴速度传感器的基础上引入雷达、GPS进行组合测速，对轮轴速度传感器进行误差修正后，再与其他测速信息基于模糊自适应联合卡尔曼滤波算法进行融合，利用Fuzzy综合评判法实现信息分配系数的动态调整并进行协方差成形自适应滤波，从而提高整个测速系统的融合精度、容错性及可靠性。本文的主要研究内容如下: 首先，分别介绍了轮轴速度传感器、多普勒雷达及GPS的测速原理、应用现状和误差来源，说明将这三种传感器的测速信息进行融合的可行性、有效性，并构建多传感器信息融合的测速系统基本框架。 其次，基于轮轴速度传感器应用的广泛性，针对其误差来源进行修正来保证融合系统输入数据的有效性。对于车轮空滑的误差补偿，采用速度检测法，设置检测门限，将雷达测速值与其值进行比较来判断列车运行状态，若发生空滑直接以雷达测速值进行补偿;对于轮径磨损误差的修正，基于历史存储数据，采用快速模拟退火算法优化高斯过程回归的智能方法寻找列车轮径值与运行里程之间的非线性关系，实现列车轮径值的自动预测和更新。实验结果表明，本文算法能够很好地跟踪轮径值的变化，预测精度较高。 最后，对测速系统的融合算法进行研究。由于列车运行环境复杂导致滤波系统的统计特征发生变化从而导致滤波精度下降甚至发散，本文从自适应调整信息分配系数的角度出发，采用Fuzzy综合评判方法对各个子滤波器的滤波效果进行评价，并给出当前时刻各子滤波器的滤波置信度和滤波效果等级，从而根据滤波置信度动态调整信息分配系数;当子滤波器处于次优状态则进行协方差成形自适应滤波，以提高整个测速系统的滤波精度、容错性和可靠性。并与其他融合算法进行比较，实验结果表明本文提出融合算法的测速误差和距离误差最小，能够保证统计特征变化情况下的系统融合效果。且本文的测速融合方案能够获得比各单一传感器都好的测速精度，能够满足列控系统的要求。 |
| 作者： | 樊泽园 |
| 专业： | 交通信息工程及控制 |
| 导师： | 董昱 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
