卡尔曼滤波在有轨电车GPS定位中的应用

由于定位和成本的原因,有轨电车系统不同于地铁在轨道铺设大量的应答器进行辅助定位,而通常会采用铺设少量的应答器/信标并结合速度传感器、GPS的方式进行综合定位,因此GPS的定位精度是定位准确性的重要条件之一。由于卫星、接收机钟差以及传播途径等因素会导致GPS定位精度下降,为了提高定位精度,采用卡尔曼滤波对有轨电车位置进行最优估计,通过Matlab分别仿真匀速运动、匀加速运动和变加速运动情况下的目标轨迹。仿真结果表明:采用卡尔曼滤波算法后,目标位置误差值大大降低,很好地降低了噪声影响,提高了定位精度。     

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。     

基于卡尔曼滤波的组合定位技术在现代有轨电车的应用研究

针对现代有轨电车定位系统实时性、高精确度等要求,结合有轨电车工程设计的需求,设计一种新的有轨电车定位系统。系统采用组合定位方式,以GPS定位为主、DR/RFID定位为辅,采用分段式组合定位技术,在满足有轨电车工程中造价低的特点的同时确保列车运行安全。利用坐标转换对数据进行融合,再通过卡尔曼滤波对定位数据进行优化,从而有效地提高有轨电车的定位精度。实验测试结果表明,该方法能够有效地减少有轨电车的定位误差,提高定位精度和系统稳定性,满足行车要求。     

基于GPS/DR的现代有轨电车定位方法研究

针对现代有轨电车运行环境和运营特点,采用GPS定位为主,航位推算为辅的车辆定位方案,确保现代有轨电车在运营线路上定位信息的连续性和完整性。采用卡尔曼滤波等数据处理方法,减少传感器采集数据的零偏漂移和随机漂移,降低航位推算的累积误差,提高定位信息的精确性。由理论分析和跑车试验可以看出,组合定位方案和数据处理方法可以有效实现现代有轨电车在全部运行线路上的跟踪和定位。     

“当前”模型自适应卡尔曼滤波在有轨电车定位中的应用

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。     

BP神经网络在包装安全评价中的应用

利用BP神经网络进行安全评价,可以克服传统的安全评价方法的缺点,提高安全评价的精确度和可靠性.阐述了BP神经网络基本原理,并对其作数学描述.通过对实例进行安全评价,证明将BP神经网络应用于包装安全评价是可行的.     

BP神经网络方法在机车轴承故障诊断中的应用

应用BP神经网络理论对机车轴承的故障进行诊断，同时结合VISUAL BASIC开发出基于用户界面的应用程序。     

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。     

现代有轨电车环境影响及其线网规划环境合理性分析

现代有轨电车具有中等运量、能耗低、环境友好的特点,符合城市绿色低碳的发展理念,成为城市新区公共交通的首选。针对兰州新区现代有轨电车线网规划建设,通过环境影响识别,重点分析有轨电车线网规划建设对噪声环境、振动环境、生态环境等的环境影响;同时,与城市总体规划相结合,分析现代有轨电车建设的环境合理性,在规划阶段为有轨电车线网规划的实施决策提供理论依据。从环境合理性的角度,对规划项目的具体实施提供指导,为其他城市新区建设有轨电车的时机提供借鉴。     

法国现代有轨电车的线网布局

收集和整理大量法国多层级典型城市开行有轨电车系统城市的线网布局现状及规划,研究和总结多层级典型城市的规模、特点和人口出行需求,分析有轨电车系统的线网布局特点。研究表明：对于特大型城市（以巴黎为例）和大型城市（以里昂为例）,有轨电车线网布局常表现出非连续的环状与放射状,可作为城市地铁系统与常规公交的有效衔接与重要补充;对于中型与小型城市(以蒙彼利埃为例),有轨电车线网布局常呈现无环放射状或有环放射状,可代替地铁作为综合公共交通系统中的骨干运输方式;对于特色型城市(以波尔多为例),有轨电车可作为具有短距离特色的公共交通服务线路,与城市特色相呼应。总结出有轨电车系统在城市公共交通中的功能地位与常见的线网布局方案,可供国内各类型城市有轨电车规划建设借鉴。     

BP神经网络在地铁运营安全评价中的应用

依据地铁运营安全评价体系及国家法律法规的要求,对于评价标准在实施过程中遇到的问题作了系统分析。建立了基于BP神经网络的地铁运营安全BP神经网络模型,系统提出了地铁运营安全BP神经网络的评价理论及其案例分析。理论分析和实践表明,BP神经网络模型计算结果合理、精度较高,在地铁运营安全评价中有很好的实用性。     

基于图像处理和双BP神经网络的电气化铁路接触网立柱标识牌识别算法研究

故障位置点定位是实现轨道维护及保养的前提,利用接触网立柱标识牌实现定位是一种常用的轨道定位方法,但常规的识别方法存在识别率低且速度慢的缺点。针对该问题,提出一种基于图像处理和双神经网络的接触网立柱标识牌识别算法。首先利用Hough变换提取出接触网支柱区域,减小识别区域,其次通过形态学方法实现标识牌的定位与裁剪,再采用水平投影方法对字符进行分割,最后对字符中的字母和数字分别进行特征提取,利用两路并行的反向传播神经网络进行识别。通过实验验证了该算法的有效性,结果表明:该方法精度可达98.3%,相较于传统识别方法速度提高了17%。因此该识别算法能够实现轨道故障位置的快速精确定位,可用于轨道智能巡检系统。     

基于BP神经网络的瓦斯隧道突出预测系统开发研究

瓦斯隧道突出影响因素多,难以为其建立合适的多指标非线性预测模型。为了提高突出预测的准确性和增强预测方法的可操作性,采用BP神经网络建立瓦斯隧道突出预测数学模型。借助ASP.NET技术、C#语言和SQL Server 2008数据库,在C#.NET环境下利用Matlab引擎技术调用神经网络工具箱,成功构建了突出预测系统。以肖家梁隧道为例对该系统进行实际检验,预测结果与隧道实际状况达到了较好的一致性,可实现瓦斯隧道突出的准确预测。     

基于BP神经网络的砂泥岩互层地质爆破参数优化研究

砂岩、泥岩互层地质在黄土地区路基工程中比较常见,其软硬相间的特性使得爆破参数设计困难,工程实践中难以达到理想的爆破效果。本文提出一种基于BP神经网络的爆破参数优化方法,该方法以影响爆破效果的主要因素作为网络输入参数、以爆破效果作为输出参数、采用搜集的数据样本作为训练和检测样本建立BP神经网络。以通过理论计算得出的爆破参数为基础,利用正交试验法筛选出16种试验方案。基于训练好的神经网络预测爆破效果,从中选择爆破效果较好的5组方案进行试爆,并根据试爆效果确定最佳爆破方案。该方法应用于横山车站路堑工程施工,效果良好。     

基于BP神经网络的激光叠焊焊接接头熔深预测研究

分析了激光功率、焊接速度和离焦量3个焊接参数的变化对激光叠焊焊接接头熔宽和熔深的影响,证明了熔宽和熔深的变化规律具有一致性。利用焊接参数和超声波检测信号建立了BP神经网络模型,模型验证结果表明,熔深预测的最大偏差不超过0.1 mm,最大相对误差为3%。所建立的BP神经网络预测模型满足实际应用中对激光叠焊焊接接头熔深测量要求。     

基于BP神经网络的200 km/h牵引变流器故障诊断技术的研究

在对200 km/h牵引变流器建立仿真模型的基础上,利用小波分析的手段提取故障特征,继而通过BP神经网络进行故障模式识别,得出变流器故障智能诊断系统。最后对网络测试能准确的做出故障诊断。     

基于改进BP神经网络的驼峰场车辆减速器故障诊断的研究

减速器是驼峰场控制速度的主要部分,随着当前高速铁路大发展和铁路货运量的提高,编组站解体和编组能力加大,车辆减速器使用率和故障率增加,而现场维修人员凭借经验的低效率维修已经不能满足当前的货运溜放要求,对驼峰溜放控制,钩车安全连挂提出更高的要求,因此根据现场收集的数据建立BP神经网络模型进行仿真训练,精确诊断驼峰车辆减速器TJK(Y)2,3的故障部位,仿真结果表明,故障判断准确率达到96%。