基于改进小波变换的MEMS陀螺信号去噪算法

为提高MEMS陀螺仪测量精度,抑制测量噪声对其造成的影响,该文分析了某型号MEMS陀螺仪误差特性,提出基于递归最小二乘法(RLS)多重小波分解重构的强追踪自反馈模型,建立新的软阈值函数。由于模型处理后的数据带有部分奇异值,该文提出了一种改进的中值滤波算法。对于陀螺仪零偏噪声问题,提出零偏不稳定性抑制算法,并对该算法模型进行了详细的描述。将某项目研究中列车姿态测量系统的实验数据应用到该算法模型中。测试实验分为静态、动态两组,其结果均表明:该算法减小了信号中的噪声,有效地抑制了MEMS陀螺仪随机漂移,提高了姿态解算的精度。肯定了该算法对陀螺仪输出信号噪声去除,以及使用精度提升的可行性和有效性。

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。

基于GNSS双差定姿的区间列车轨道占用判别方法研究

为解决区间列车轨道占用判别问题,满足CTCS-4级列控系统需求。提出一种基于GNSS双差定姿的区间列车轨道占用判别方法。建立列车GNSS双差定姿数学模型,在获取列车基线航向角的基础上,提出一种基于粒子滤波的风险敏感滤波算法,通过引入风险敏感因子来解决由于系统的不确定性而导致滤波器鲁棒性差以及发散问题,与此同时提出一种支持向量机的分类算法,通过对定位数据的分类来判别轨道占用情况。对可见卫星数量和HDOP值对轨道占用判别的影响做进一步研究,得出优化参数。实验表明该方法的可行性和有效性,为未来卫星定位技术在列车中的应用提供一定的参考价值。

基于GNSS的列车定位信号完好性提高方法(英文)

全球导航卫星系统(GNSS)应用于铁路领域,能够为列车运行控制系统提供实时的位置信息。同时列车定位应当满足一定的安全标准,因此如何提高基于GNSS列车定位的完好性就显得尤为重要。首先,介绍了目前传统的列车定位方式和应用方法;其次,基于D-S证据理论和列车轨道卫星数据库提出了一种新的提高列车定位完好性的方法。最后,通过仿真和实验验证表明:该方法对GNSS在铁路领域的应用具有重要的参考价值。

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。

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。