基于双渐消因子调节的自适应卡尔曼滤波器

卡尔曼(Kalman)滤波为线性最优递推滤波算法,但鲁棒性差,无法实时精确跟踪系统突变状态。为此,设计了一款双渐消因子调节的自适应Kalman滤波器。算法剖析了状态扰动环境下,不精准的先验预测及定量滤波增益对最优估计的影响。在标准Kalman滤波器的基础上,引入双渐消因子,实时激活滤波增益,调节先验估计及量测新息在状态估计中的权重。基于新息正交性定理,依据Sage开窗估计原理与加权最小二乘准则,建立了双渐消因子的函数解析式。借鉴滤波发散判据,构造了函数边界条件。实例研究表明,相较于抗差Kalman滤波器,自适应Kalman滤波器鲁棒性强,状态收敛速度快,稳态跟踪精度提升了44.76%。     

基于激光雷达的接触网动态几何参数安全监测研究

针对高速铁路动车组,开发了基于激光扫描雷达的接触网动态几何参数监测系统。运用最小二乘数据拟合方法提高检测结果精度。针对接触网的薄弱环节,如线岔、锚段关节、分相等部位,采用基于Kalman滤波跟踪方法,实现不同接触线的识别。该监测系统能够准确检测接触网动态几何参数,有效保证行车安全。     

应用于列车完整性检测系统的改进型滤波器

列车完整性检测系统是新型车载设备,对防止列车抛车有重要意义。其硬件构架上以MSP430微处理器为主控制器,由ADXL202传感器实现加速度信息采集。作为判据的加速度信息在复杂的行车条件下被干扰。本文以加速度信息为研究对象,进行理论分析、数学建模和结果仿真。文中设计了一个二维的改进型滤波器。主要采用最小二乘滤波思想,选取适当的加权矩阵和遗忘因子,它不需要被估计量和观测量的统计规律,不易发散,完全符合观测数据被随机干扰,难以建立精确模型的特点。为了进一步提高滤波精度在滤波器中设计了一个野值剔除环节,在前期去掉粗大误差。对系统采集的数据进行上述的滤波,显著提高了数据的可靠性。     

基于线性自适应神经网络的摆式列车横向加速度预测研究

阐述了用线性自适应神经网络对即将输入的控制参考信号进行多步在线自适应预测并编程实现的方法。对实测信号的仿真分析表明,线性自适应网络可以以满意的精度对摆式列车横向加速度进行多步预测,有效解决由于各种因素造成的滞后补偿问题。     

高速列车双自适应广义预测控制方法

针对单一广义预测控制器在控制过程中只修改模型参数而不修改控制器参数,导致列车在启动和制动阶段控制效果较差这一问题,采用双自适应广义预测控制方法,设计高速列车双自适应广义预测控制器实现对高速列车运行过程的自动控制。该控制器采用具有可变遗忘因子的递推最小二乘法实时辨识列车运行过程模型的参数,根据辨识得到的模型参数自适应建模且修正控制器的调优参数,进而计算出高速列车需要施加的牵引/制动力,并设计确保控制器稳定的监督机制,实现高速列车对给定速度的高精度跟踪。仿真结果表明:双自适应广义预测控制器对给定速度和位移均有高精度的跟踪能力,在遇到未知干扰时仍能确保列车安全、稳定地运行,其控制效果明显优于单一自适应控制器。     

摆式列车倾摆控制信号预测及动力学仿真

为研究摆式列车倾摆控制信号预测方法,建立“动车＋拖车＋拖车”3辆车编组的摆式列车机电耦合系统动力学模型。建模中考虑了列车系统中存在的轮轨蠕滑力非线性、钩缓作用力非线性和悬挂力非线性。摆式列车通过安装于头车前转向架的陀螺仪在线检测曲线,对测出的横向加速度信号进行滤波和实时生成倾摆控制信号。为了补偿加速度信号的滤波延时,对倾摆控制信号的预测分别采用线性插值法和线性BP神经网络预测,并仿真研究摆式列车曲线通过性能。数值仿真结果表明：线性插值法预测和神经网络预测均能有效补偿加速度信号的滤波延时,使头车及时倾摆,大幅度降低未平衡横向加速度;在输入信号波动较大和预测时间较长时,神经网络预测效果更好;倾摆控制信号的预测方法对车辆动力性能影响不大。     

高速动车组自适应速度跟踪控制

针对高速动车组运行过程的非线性和参数的时变特征,将其描述为由线性自适应模型和非线性未建模动态补偿模型组成的集成模型。基于高速动车组的牵引特性曲线和线路实际运行数据,采用递推最小二乘法建立线性自适应模型。针对系统未建模动态特性,应用自适应神经模糊推理系统ANFIS(Adaptive-network-based Fuzzy Inference System)建立未建模动态补偿模型。提出基于高速动车组集成模型的运行速度自适应控制算法,实现对给定速度曲线的高精度跟踪控制,并基于CRH380A型动车组运行过程的仿真结果验证本文所提方法的有效性。     

基于BDS和RFID的现代有轨电车定位信号完整性研究

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%。     

基于激光雷达的地铁隧道形变检测方法

针对地铁隧道出现的形变问题,提出利用车载激光雷达对地铁隧道进行扫描检测的方法。该方法测得的点云数据需进行坐标转换,在点云数据预处理时通过统计滤波与双边滤波相结合的算法去噪,采用最小二乘法进行断面拟合得到光滑拟合曲线。对不同时期检测的同一位置断面进行局部形变分析,对某一区间段不同位置断面进行区间收敛分析,实现地铁隧道断面的形变分析。通过该方法的处理,可以更加有效地获取地铁隧道的形变信息,对实现地铁隧道形变动态检测具有借鉴意义。     

基于BP神经网络修正的自适应灰色模型的隧道变形预测研究

隧道围岩具有高度的非线性变形特征,通过变形预测能有效判断隧道变形的发展趋势。首先以自适应GM(1,1)模型对隧道变形进行初步预测,且为保证自适应模型的参数为全局最优参数,提出以粒子群算法对模型参数进行优化;其次,以BP神经网络为基础,建立误差修正模型,旨在进一步提高预测精度。在此基础上,将该预测模型应用于2个工程实例中,结果表明:该预测模型在横向和纵向上的预测效果均较好,自适应能力和递推能力均较强,预测结果与实测值较为吻合,预测精度较高,能较好地反映隧道围岩的变形规律。该预测模型能较为有效地实现隧道围岩的动态预测,可以进行推广应用及研究,为隧道变形预测提供一种新的思路。     

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。     

驼峰测速雷达信号的小波滤波分析

针对卡尔曼滤波方法存在的缺点,研究采用小波滤波方法进行驼峰测速雷达信号滤波。小波滤波的基本原理是对信号小波变换后的小波系数进行非线性处理,然后重构信号,滤除信号中的噪声。根据雷达信号的特点,初步选用Haar小波和二阶Dauhechies(db2)小波、3层分解、通用阈值和半软阈值算法,进行离线试验及分析。根据离线试验的滤波效果,确定选用二阶Daubechies(db2)小波、3层分解和半软阈值算法进行雷达信号滤波。利用离线试验选定的小波和算法,对采集的雷达信号进行实时滤波仿真,仿真结果与离线试验结果基本一致。将小波滤波方法与卡尔曼滤波方法对比可知,小波滤波能有效地滤除噪声、提高信噪比、减少均方差,滤波效果比较理想。因此,采用小波滤波方法进行驼峰测速雷达信号滤波,可以获得更准确的车速。     

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。     

摆式列车过曲线时的圆锥运动效应及其补偿算法研究

分析了摆式列车过曲线时的圆锥运动效应及其对角速率陀螺仪测量结果的影响,提出了圆锥误差补偿的"多子样"算法。仿真计算表明,采用该补偿算法能有效地提高摆式列车姿态解算精度,对于保证摆式列车正确倾摆具有重要意义。     

基于2D激光位移传感器的轨底坡动态检测系统研究

设置合理的轨底坡可使钢轨轨头与车轮踏面合理接触,减轻钢轨轨头的不均匀磨耗,延长钢轨使用寿命。为提高轨底坡静态检测精度,线路日常养护和维修效率,提出一种基于2D激光位移传感器(简称2D)的钢轨廓形检测原理和ARM嵌入式技术的轨底坡动态检测方法。结合传感器工作原理与特点,搭建一套可在线连续检测的轨底坡动态检测系统。考虑到2D空间姿态变化,建立适用于轨底坡动态检测的双2D空间姿态关系模型和标定解算模型。因为车体振动会产生对轨底坡计算结果的影响,利用Kalman滤波算法建立多传感器的状态空间模型,对轨底坡计算结果进行补偿。最后选用GJ-4型轨道检测车进行地铁正线试验,试验结果与人工复核结果的对比,符合工务段要求精度。试验结果验证了该轨底坡动态检测系统切实可行,Kalman滤波算法能够很好地对轨底坡的计算结果进行补偿修正。     

改进Canny算子的列车轮对踏面边缘检测算法

现有对高速列车轮对踏面损伤检测逐步以动态检测系统代替人工检测,针对动态检测系统中对踏面损伤图像处理时,存在大量边缘信息丢失、图像细节不完整等问题,提出一种基于改进Canny算子的边缘检测算法。该算法利用自适应双边滤波代替传统高斯滤波对图像进行平滑处理,能够很好的保持图像边缘和滤除噪声;采用水平、垂直、45°和135°4个方向梯度模板来确定梯度幅值;用Otsu算法(大津法)自适应地根据图像灰度值生成高阈值和低阈值,克服人为设定高低阈值的缺陷,增强了算法的自适应性。通过仿真实验结果表明:改进的算法能够有效的保留更多的踏面图像边缘信息,也具有较强的自适应性,为轮对踏面损伤动态检测的后处理提供了有效的技术支持。     

卡尔曼滤波算法在空气质量数据校准中的应用

针对自建点实时监控存在的零点漂移和量程漂移导致空气质量数据测量精度受到制约的问题,提出一种基于卡尔曼滤波算法对空气质量数据进行校准的模型。以PM2.5数据为例,结合其他空气质量数据及气象参数经逐步回归得到调整的数据后,使用改进的卡尔曼滤波算法对自建点测量数据进行校准。经同一时间区间内的自建点、国控点测量及校准数据的对比分析表明:通过改进的卡尔曼滤波校准空气质量数据能够很好地跟踪实际数据的变化趋势,平均误差比较小;使用模型将2019年5月、2018年12月数据的均方根误差分别从11.367、27.188降低至修正后的7.555、10.759,精度得到了显著提高。     

高速列车测速测距系统滤波模型与融合策略研究

高速列车的测速测距系统是保障列车运行安全的关键要素。滤波算法的建模和分析是构建测速测距系统的一个重要前提。通过对列车测速传感器的工作原理以及观测方法进行分析,分别建立了基于卡尔曼滤波的等速模型和等加速模型,并在Matlab中对两种模型的滤波特点进行了仿真分析。同时初步探讨了适用于高速列车的多传感器融合策略。对实验室数据和现场采集数据的分析验证了两种滤波模型的有效性及各自特点。滤波模型的仿真分析与多传感器融合策略的研究为测速测距系统的开发提供了依据。     

基于Adams与Matlab联合仿真的摆式列车动力学计算

为了研究摆式列车动力学性能,建立了摆式列车机电耦合动力学模型,并运用Adams与Matlab/Simulink联合仿真的技术进行数值计算,研究了多种工况下摆式列车的动力学性能,通过与普通车辆之间的对比表明,摆式列车具有在较小影响其动力学性能的前提下明显改善旅客乘坐舒适度,并提高列车曲线通过速度。     

基于陀螺平台的摆式列车线路信息检测系统研究

针对各国摆式列车采用的检测模式存在的问题,提出了基于单轴陀螺平台的摆式列车倾摆控制检测方法。所用陀螺平台由一个二自由度的挠性动力调谐陀螺和一个石英挠性加速度计组成的单轴平台系统。测量时,借助安装在头车车体地板上的单轴陀螺平台和车体与二系悬挂之间的两个位移传感器建立测量的水平基准线,可测量出列车过曲线时线路的超高值和曲线的曲率值,通过简单计算便可得到摆式列车倾摆控制所需未平衡离心加速度的大小,为倾摆控制提供量的信息。此外,陀螺平台系统良好的动态响应特性,为实时判断列车进、出曲线提供了可能。试验和仿真计算表明,该检测方法能够避免对加速度传感器信号直接滤波带来的延迟,满足摆式列车倾摆控制实时性的要求。