CN102442332B - 一种用于太阳能铁道标签的智能跟踪系统的处理方法 - Google Patents

Abstract

本发明是一种用于太阳能铁道标签的智能跟踪系统。包括前台装置和后台处理装置，前台装置包括主控制单元、信息预处理单元、能量检测单元、经纬度检测单元、蓄电装置单元、外部时钟单元、通信单元、太阳能组件单元、紧急备用电池单元以及存储单元；太阳能组件单元和蓄电装置单元与能量检测单元相连；能量检测单元、外部时钟单元和经纬度检测单元与信息预处理单元相连；通信单元与信息预处理单元相连；信息预处理单元与主控制单元相连；通过通信单元无线组网连接到数据汇点，各个单元的数据汇点连接到后台处理装置上。本发明的处理方法包括信息采集、信息处理、信息控制。本发明降低机车阅读器对限速标签漏读率，实现列车安全运行。

Description

一种用于太阳能铁道标签的智能跟踪系统的处理方法

技术领域

本发明涉及太阳追踪智能控制装置和铁路列车限速控制领域，特别是一种用于太阳能铁道标签的智能跟踪系统的处理方法。属于用于太阳能铁道标签的智能跟踪系统的处理方法的创新技术。

背景技术

安装在列车头下的阅读器和枕木中的限速标签，可以实现点对点的阅读器和限速标签之间的通信。无源限速标签的功能单一，增加了后期维护工作的难度。有源限速标签需要对电池的寿命有比较严格的要求。有源限速标签的寿命受电池寿命的有限，铁路两侧的房屋和树木遮挡枕木极为少数，大部分都是空旷的郊区，导致枕木间受太阳光照射时间较长，结合上述有源限速标签电池寿命有限带来的弊端，提出一种基于太阳能跟踪的铁路限速标签及智能处理方法。

安装在铁轨枕木间上的有源限速标签，使用寿命受到内置电池寿命的制约，然而为了提高安装在室外有源限速标签的安全性，一般会采用出厂前固化和密封，内部电池也被固化，电池的寿命有限，限制了有源限速标签的使用寿命，当电池不能为限速标签供电时，电池要从被固化的限速标签中拆分出来。这样造成的弊端有两点：第一、电池的废弃会造成环境的污染；第二、新电池的重新固化，增加了人为成本。

为了解决提高限速标签的使用寿命和减少人为成本的问题，加上铁轨枕木的日照时间长，为临时限速标签配备太阳能供电装置，采用相应的处理电路，防止电池过充，过放，过流保护，大大提高电池的使用寿命和减少电池更换的频率。太阳能发电装置，应用上一般分为实时跟踪和固定角度装置，实时跟踪适用较大的发电系统，对于较小的发电的系统，转动所消耗的电能可能大于太阳发电的电能，会造成“得不偿失”的结果；而固定角度的太能发电装置，相对于一般的电池，使用寿命会有所增加，但是太阳能发电效率比较低。

发明内容

为了解决上述问题，本发明提供一种实现降低机车阅读器对限速标签漏读率，提高有源限速标签的使用寿命和整个系统蓄电池存储的电能效率，保证能够对限速标签供电充足，实现列车安全运行的用于太阳能铁道标签的智能跟踪系统。

本发明的另一目的在于提供一种操作简单方便的用于太阳能铁道标签的智能跟踪系统的处理方法。

本发明的技术方案是：本发明的用于太阳能铁道标签的智能跟踪系统，包括前台装置和后台处理装置，其中前台装置包括主控制单元、信息预处理单元、能量检测单元、经纬度检测单元、蓄电装置单元、外部时钟单元、通信单元、太阳能组件单元、紧急备用电池单元以及存储单元；后台处理装置是由网络上闲置的网络资源组成，太阳能组件单元和蓄电装置单元与能量检测单元相连；能量检测单元、外部时钟单元和经纬度检测单元与信息预处理单元相连；通信单元与信息预处理单元相连；信息预处理单元与主控制单元相连；通过通信单元无线组网连接到数据汇点，各个单元的数据汇点连接到后台处理装置上。

本发明的用于太阳能铁道标签的智能跟踪系统的处理方法，包括如下过程：信息采集、信息处理、信息控制：

S1.所述的信息采集，分为太阳能采集，经纬度信息采集，时间信息采集,阅读器携带信息以及限速标签携带信息采集，信息的采集是整个系统的信息来源以及后续工作维护的判断标准；

S1.1所述的太阳能采集，分为两种：一种是太阳能组件与太阳的相对位置保持垂直不变，采集得到有效数据，简称为样本数据Y1；另一种是太阳能组件的位置不变，随着时间推移进行采样，得到有效的数据，简称为样本数据Y2，太阳能采样时若处于休眠的限速标签接收到激活命令，停止采样，停止采样的时间具有自适应性，等列车经过后恢复采样；

S1.2所述的经纬度信息采集，开机系统后，经纬度检测单元把当地的经纬度信息进行采样，采样完毕，经纬度检测单元处于休眠状态；

S1.3所述的时间信息采集，外部时钟单元提供系统对时间信息的采集；

S1.4所述限速标签携带信息，是限速标签内限速信息和当前公里标的采集，提供给限速读取装置采集；

S1.5所述阅读器携带信息阅读器携带信息，是阅读器内列车的长度和列车当前的行驶速度，提供给限速标签采集；

S1.6所述后续限速标签维护工作的判断标准，正常工作下的限速标签起着发送数据的作用，在后台管理系统中会显示限速标签的激活状态，若限速标签失活，表示限速标签处于不工作状态下，对应相应的地理坐标对限速标签进行维修；

S2.所述的信息处理，包括信息预处理和后台信息处理,将采集来的信息进行分类，可分为能量信号，时间信号，经纬信号，限速标签的数据处理能力有限，可将信息处理分为以下两部分：

S2.1采集太阳能能量值时，若处于休眠的限速标签被阅读器激活，列车将通过限速标签，太阳能采样中止，等待中断时间T_DELAY后恢复采集，并且对采集的太阳能能量值进行预处理标准化；

S2.2采集的太阳能能量信息经预处理通过无线传输给后台处理装置，后台处理装置把处理后的结果通过无线传回给限速标签；

S2.2.1后台处理装置接收到限速标签传来的太阳能能量值，根据预测网络，预测下一组太阳能能量值,并根据限速标签号建立各自样本数据库；

S2.2.2后台处理装置接收到外部时间信息，经纬度信息以及电机转动所耗功耗，根据转动算法，对电机做出进一步判断：

（1）后台处理装置传输电机转动的坐标；

（2）后台处理装置传输电机不转动指令。

S3.所述的信息控制，是主控单元对各个单元地有效调度，使系统按照程序流程控制，具体如下：

S3.1所述的主控单元是用来调度整个系统控制部分,各种能量信息的采集，经过信息处理，主控单元根据处理结果和与太阳的当前坐标对电机一和电机二进行控制；

S3.2主控单元对蓄电池充放电的控制，合理的控制蓄电池工作在安全范围内，以及其他单位触发控制；

S3.2.1所述主控单元的充放电管理单元是通过检测蓄电池两端的电量来切断或者重连蓄电池与太阳能组件的物理连接，实现蓄电池的合理充放电，提高蓄电池的使用寿命；

S3.2.2所述主控单元的输入是信息后台处理装置处理后的数据；

上述S2.1信息的预处理，对于采集来的太阳能信息，在进行后台处理之前，要对采集来的数据进行标准化处理，标准化处理后的数据通过无线网络传输到各个区域的数据汇点，由数据汇点传输到后台处理装置进行处理。

上述S2.2.2采用转动算法，太阳能跟踪是介于实时跟踪与非实时跟踪之间，判断的标准是是否满足储存的能量最大化，根据当前采集接收太阳能的能量值预测两组能量值：一组是太阳能组件与太阳相对位置不变，随着时间变化将要接收的太阳能能量值，简称为预测数据A1；另一组是太阳能组件位置不变，随着时间变化将要接收的太阳能能量值，简称为预测数据A2,通过计算两组不同的数据以及转动所耗电能，来判断是否进行下一步转动，区域内的限速标签都是按照上述要求进行跟踪充电;

所述的预测数据A1是指太阳能组件与太阳的相对位置保持垂直时所预测的能量数据。通过预测网络预测一组能量值数组，预测数组的第一个数是指第一个时间间隔将要接收的太阳能能量值，数组中剩余的数对应于不同的时间间隔;

所述的预测数据A2是指太阳能组件位置不变随着时间推移所预测的能量数据;同样通过预测网络预测一组能量值数组，预测数组的第一个数是指第一个时间间隔将要接收的太阳能能量值，数组中剩余的数对应于不同的时间间隔;

所述的转动算法，是指是否能实现能量的最大化，如果转动所接收的能量减去电机所消耗的电能大于当前位置不变所接收的能量时，就说明已经到达转动要求，否则还是处于跟踪模式下的不转动，这属于单层时间的转动算法，多层时间的转动算法是单层的嵌套。

上述S2.2.1是太阳能能量值的预测性，预测是指通过预测网络，输入一组太阳能能量采样值预测一组将要接收的太阳能量值，将要接收的太阳能值作为转动算法的输入；

所述太阳能能量采样，是采样有效值，由于环境的干扰，可能采样时受到环境影响，产生干扰，导致采样值失效。在限速标签被阅读器所激活时，正值太阳能装置在为下阶段预测太阳能接收值做采样，限速标签被阅读器激活，说明由列车将要通过限速标签，这时系统中断太阳能采样的进行;等待自适应延时时间过后，继续进行太阳能采样，保证采样值的真实性，具体预测过程：根据当前的输入值，预测下一组能量值；具体过程如下：选择初始的网络连接权值和阀值，输入样本序列，通过初始权值，输出第二层单元的结果，第二层单元的输出作为第三层单元的输入，同样通过初始权值加权，得出第三层单元的输出，通过训练输入样本序列，得出输出后与实际值作为比较，通过输出值计算校正误差，然后通过第二、三层校正误差，根据误差调整两类阀值：一类是第二层到第三层的连接权值和第三层的阀值，另一类是第一层到第二层的连接权值和阀值，更新新的训练样本，重新训练直到误差在设定差范围之内，实现能量的预测。

上述系统的自检性是在太阳能组件开始转动之前，需要经过系统的检测，当日期增加一天时，实时更新日出时间和日落时间，当外部时间达到日出时间时，即为白天模式，当外部时间超出日落时间即为黑夜模式。在黑夜模式下，其他单元都处于休眠状态，不进行检测；在白天模式下，能量检测单元开始检测，接收的太阳能是否达到跟踪的阀值，若达到阀值，系统的模式为跟踪模式；若没有达到阀值，系统为非跟踪模式。在跟踪模式下，根据是否达到转动要求，来决定是否进行转动动作。

上述等待时间是自适应的，不同长度和速度的列车，需要等待时间是不一样的，若固定等待时间，在过了等待时间采样，但是列车还没完全经过太阳能标签，对于采样值会失去真实值，所以采样自适应等待时间，限速标签在被阅读器激活的同时，接收来自阅读器信息，其中包括列车长度和经过标签时的行驶速度。

上述阅读器给限速标签传送列车的长度和速度以及限速标签传送限速信息和公里标信息，但要确保信息完全接收成功，需要如下步骤：

S1.阅读器给区域内限速标签发送激活命令；

S2.阅读器给限速标签发送请求命令；

S3.限速标签在接收阅读器请求信号后发送ACK1信号，限速信息公里标信息等传送给阅读器，表示已准备好接收数据；

S4.阅读器开始发送数据给限速标签；

S5.限速标签接收完成阅读器发来的数据后，发送ACK2给阅读器，提示接收完毕；

在阅读器没有接收到ACK1时，每隔时间m秒，阅读器重新发送一次请求信号给限速标签，在阅读器收到ACK1后，时间t后没有收到ACK2,重新发送阅读器信息，一旦限速标签接收完数据后ACK2信号后，进入半休眠状态。

上述S2.2的后台处理装置，限速标签的太阳能组件的转动，是根据转动算法运行的结果实施操作，转动算法的输入是太阳能能量值的预测值，太阳能能量的预测在限速标签中进行，对于限速标签的功耗和运行速度有比较严格的要求，这部分预测必须由外部来完成，后台处理装置是负担区域内各个限速标签的太阳能采样值，处理后传回给它们，提高了数据处理的时间和大大降低了限速标签对功耗的要求，限速标签有各自的供电单元，可以自组织无线网络，每个小区域内有个数据结汇点，每个数据结汇点把限速标签的数据分时传送给后台主机，每个限速标签在日出之时和日落之时记录各自蓄电池的电量，分别传送给后台主机，通过后台主机，分析区域内限速标签的充电情况，形成网络反馈，从而提高充电效率。

上述电池充放电过程，电压与电量不是简单的线性关系，是需要通过出厂前检测，把电压与电量检测做成一个对应链表，在检测蓄电池电压时，只需要调出对应的电量值，减少测量误差。

本发明根据实际情况，对太阳的跟踪施行“有选择性跟踪”，根据当天的光照情况和所消耗的电能，可以分为实时跟踪和有选择性跟踪，让系统自动检测跟踪模式，实现了太阳能跟踪的智能化。同时也实现了蓄电池存储电能的最大化，对于有源限速标签使用寿命的提高和太阳能充电效率的提高，提出了解决方法，为铁道应答装置提供稳定的电源。

本发明与现有技术相比，具有以下优点：1、利用太阳能智能充电，大幅度提高有源标签的使用寿命，确保有源标签的信息不会被漏读等问题；2、该发明介于永久固定太阳能组件和实时跟踪太阳装置之间，固定太阳能组件角度，太阳利用率比实时跟踪太阳能低，但是实时跟踪太阳，所消耗的电能不容忽视，基于存储能量最大化，在两个完全不同的太阳能充电模式之间选择一个最佳的充电位置，该系统不仅仅适合小系统充电，也能够兼容大系统，具有智能跟踪判断；3、可以实时更新预测网络中能量样本，优化能量样本，提高预测能力；4、该发明通过后台处理装置可知区域内的充电情况，实现区域太阳能能量最大化，形成网络反馈，对后期太阳能装置的维护提供了便捷，降低了维护成本。

本发明是太阳能标签（Tag1-Tag21）放置在铁轨（Rail.1-Rail.4）中，采样太阳能值，通过自组织网络，对采集的信息通过无线网络传送给数据结点（Data.a-Data.d）,各个数据结点上信息被传送给后台处理装置（Svr.Ⅰ-Svr.IV）处理，处理后的结果再通过无线网络回传给各个太阳能标签，控制各个太阳能组件的是否旋转以及旋转的度数，具体过程如图4，本发明是一种设计巧妙，性能优良，方便实用的用于太阳能铁道标签的智能跟踪系统及其处理方法。

附图说明

下面将结合实施例和附图对本发明作进一步的详细描述：

图1是本发明的一个具体实施例的系统功能框图；

图2是本发明的一个具体实施例的系统模块连接框图；

图3是本发明的一个具体实施例时间序上预测拓扑图；

图4是本发明的一个具体实施例的各个区域标签自组织网络与后台处理装置的关联流程图；

图5是本发明的一个具体实施例的太阳能组件转动流程图；

图6是本发明的一个具体实施例的太阳能能量采样流程图；

图7是本发明的一个具体实施例的阅读器与限速标签之间通信框图。

具体实施方式

下面结合附图和实施例对本发明做进一步的详细说明，但应该明确的是本发明的实施方式不限于此。

本发明的用于太阳能铁道标签的智能跟踪系统，包括前台装置和后台处理装置，其中前台装置包括主控制单元1、信息预处理单元2、能量检测单元3、经纬度检测单元4、蓄电装置单元5、外部时钟单元6、通信单元7、太阳能组件单元8、紧急备用电池单元9以及存储单元10；后台处理装置是由网络上闲置的网络资源组成，太阳能组件单元8和蓄电装置单元5与能量检测单元3相连；能量检测单元3、外部时钟单元6和经纬度检测单元4与信息预处理单元2相连；通信单元7与信息预处理单元2相连；信息预处理单元2与主控制单元1相连；通过通信单元7无线组网连接到数据汇点，各个单元的数据汇点连接到后台处理装置上。

本发明的用于太阳能铁道标签的智能跟踪系统的处理方法，包括如下过程：信息采集、信息处理、信息控制。

本发明的模式选择：

系统不是实时跟踪太阳，系统根据是否在日出时间与日落时间之间可分为白天模式和黑夜模式，在白天模式下系统可分为跟踪模式和非跟踪模式，判断跟踪模式和非跟踪模式的标准，是根据能量检测单元，能量检测单元根据设定检测时间Test检测,能量检测单元参照标准也是外部时间，我们根据公式1，从经纬检测单元得到经纬度以及日期，就能得到当天日出时间t_sunrise和日落时间t_sundown，在日出时间和日落时间附近，太阳照射强度并不是很理想，在t_sunrise前和t_sundown之后能量检测单元停止检测，在这个时间段开启能量检测单元，如果检测接收到的能量超过能量门限值，就进行跟踪，否则不进行跟踪。在跟踪模式下是否进行跟踪，在预测算法中会涉及到。

其中n是一年天数的排序，lat是当地纬度，lng是当地经度，Δe是当地与北京的时差，δ是赤纬角，α是经度修订系数，t_cl是日出日落时间。

跟踪模式是在二维的坐标下进行的，分为高度角θ_h和水平角θ_l，根据当地的经纬度和实时时间信息，就能判断当前装置与太阳的相对位置，公式（3）和（4）：

θ_h=arcsin(sinδsinlat+cosδcoslatcosw)     （3）θ_l=arccos?(sinθ_hsinlat-sinδ/cosθ_hcoslat)    （4）

其中w是太阳时角，lat是当地纬度，lng是当地经度，θ_h是高度角，θ_l是水平角。

本发明的能量采样和检测具体流程：

1.太阳能能量采样

在某一时刻t时间内，随机采样k组数据，是记录它们在太阳强度下产生的电流I₁I₂....I_k和电压U₁U₂....U_k，换算成电功率P₁P₂....P_k，这段时间接受的能量为可以下面式可得。

$\stackrel{\‾}{P_t}=\frac{1}{k}\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{P}_i---\left(5\right)$

在采样过程中太阳能组件和太阳的位置有两种：

A)太阳能组件与太阳能相对位置不变，太阳能组件转动到与太阳的位置垂直；

B)太阳能组件与太阳能相对位置改变，太阳能组件不转动，随着时间，太阳相对于组件的位置发生变化。

首先是太阳能组件转动时间的确定，按照日照时间是12个小时，日照接触角度180°算（日照时间以经纬度，季节而不同，为了方便计算），就是15°/小时，0.25°/分钟，根据实际所用太阳能板大小，太阳的光照强度变化，以电压变化快慢为准则，不妨设t分钟为检测时间。

A)相对位置变动采样

垂直数据采样是进行数据采用时太阳能板是与太阳位置相垂直。利用能量检测装置，每隔t分钟对接受垂直太阳能进行一次采样，每一次采样数据记为VTCLi，提供做样本，太阳能组件与太阳相对位置实时垂直时采样所得的所有样本数据简称样本1；

B)相对位置不变采样

根据转动装置的设计，水平可转动180°，垂直可转动360°，以0.25t为一个角度间隔，对空间坐标进行划分，每一天在每个坐标点进行采样，采样数据记为DATAi，提供做样本，位置划分好后，位置不动，随着时间太阳与太阳能组件相对位置发生变化所采的所有样本数据值，简称样本2。

2．采样中断自适应等待时间

信息采集模块中遇到列车的经过，必然会影响到太阳能采样值的真实性，为了确保预测网络源值的正确性，采样停止，智能等待T_DELAY,T_DELAY时间后恢复采样。

当列车还没经过标签时，阅读器会检测到限速标签，电子与阅读器进行通信，限速标签会收到来自阅读器的信息，如列车的长度L和当前的速度V等,得到信息后根据公式（6）得到等待时间。

$T\_\mathrm{DELAY}=\frac{L}{V}---\left(6\right)$

3.能量检测

A)跟踪能量检测

根据时间可以分为白天模式和黑夜模式，相应的根据能量可以分为跟踪模式和非跟踪模式，在白天模式下，开启能量检测单元，检测是否达到能量门限值，决定是跟踪模式和非跟踪模式。

B)蓄电池能量检测

检测蓄电池所剩电量并不是简单的测得蓄电池两端的电压，电量的剩余并没有与蓄电池两端的电压成线性关系，是通过专门的测定，把电压与剩余的电量列出一个对应的表，方便检测电压时，只要直接调出剩余电量就行。在确定好蓄电池容量和类型后，通过检测蓄电池两端的电压，测出蓄电池所剩的电量，通过区域内限速标签充电电量数据的对比，方便对区域太阳能跟踪动作做出相应的调整。

本发明实施预测的具体流程：

经过模式选择和能量检测后确定为白天模式下的跟踪模式，是否采取跟踪。采取跟踪的条件是下个时刻垂直位置的存储能量比下个时刻相对位置变化的存储能量大。根据两组不同的样本，一个是与太阳的相对位置变化所接收的太阳能能量值，一个是与太阳的相对位置不变所接收的太阳能能量值，根据当前所接收的太阳能能量值预测下两组不同位置时所接收的太阳能能量值。把两组不同的预测样本值送入预测网络进行预测，在预测之前先对数据进行一些预处理。

1.数据的预处理

输入数据之前和输出数据之后都要对数据进行标准化处理，得到的数据不一定都能保证在训练时间内收敛。预处理有利于提高训练网络精度。预测网络的传递函数是基于S函数，其输入范围在区间[0，1]最佳。所以有下线性转换，即：

z＝(zin-zmin)/(zmax-zin)     (7)

zin为转换前的数据值，z为转换后的数据值，介于[0，1]之间，zmax、zmin分别为样本数据的最大值和最小值。

2.预测训练网络

预测网络分为三层，分别为第一、二、三层，经过数据预处理后的数据进入预测第一层，第二层数目的多少决定了预测网络的非线性映射能力。但是不能意味着第二层数目多，网络性能就好。事实上，如果第二层的数目超过最佳第二层数目时，网络性能反而下降。本发明采用包括含有三层预测网络，具体见图。输入样本的向量个数为E_x，即预测第一层有E_x个节点，第二层数目暂且不定，设为n_x，具体取值将通过多次实验，取一个效果最佳的值，第二层层数太多或太少都会影响到预测网络的最终预测结果。第三层数目为O_x个，根据系统的复杂性而定。

输入样本的向量个数E_x，并不是在样本中随机抽取E_x个，而是抽取相关性比较接近的E_x个数据，因为太阳照射到太阳能板上，接受的能量，不会有很大的突变，都是一个渐变的过程，输出值定位O_x个，如果输入数据来自样本数据1，输出的O_x个能量值分别是与太阳保持相互垂直的，当前下第一个，第二个，第三个垂直位置接受太阳能的能量值，如果输入数据是来自样本数据2，那么输出的O_x个数据值，分别是当前时刻当前位置后的2.5t，5t，7.5t等接受太阳能的能量平均值。

3．预测算法的实现步骤

1）在进行训练前先设置学习次数t，第一层到第二层的连接权值ω_ij，第二层到第三层的连接权值ν_jk，第三层的输入阀值ψ_j和输出层的单元阀值ξ_j的初始值。

2）输入样本样本可分为两部分，一部分做训练样本，一部分做测试样本。

3）第二层和第三层各单元的输出计算：

$y_j=g(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{ij}}{x}_i-{\mathrm{\ψ}}_j),j=1,2,...n_1---\left(8\right)$

$o_t=g(\underset{i=1}{\overset{n_1}{\mathrm{\Σ}}}{v}_{\mathrm{jt}}{y}_j-{\mathrm{\ξ}}_j),t=\mathrm{1,2},...n_2---\left(9\right)$

其中激活函数选择S函数。如下：

$g\left(x\right)=\frac{1}{{1+e}^{-x}}---\left(10\right)$

4）第三层和第二层之间连接权值和第二层和第一层之间的修正误差：

$d_t^k=(y_t^k-o_t)o_t(1-o_t),t=\mathrm{1,2},...n_2---\left(11\right)$

$e_j^k=y_j(1-y_j)\underset{i=1}{\overset{q}{\mathrm{\Σ}}}{v}_{\mathrm{jt}}{d}_t,j=\mathrm{1,2},...n_1---\left(12\right)$

5）修正第二层和第三层点之间连接权值和阀值：

$v_{\mathrm{jt}}(N+1)=v_{\mathrm{jt}}\left(N\right)+\mathrm{\κ}\×d_t^k\×b_j---\left(13\right)$

${\mathrm{\ξ}}_t(N+1)={\mathrm{\ξ}}_t\left(N\right)+\mathrm{\κ}\×d_t^k---\left(14\right)$

j=1,2,...n₁  κ∈(0,1)  t=1,2,...n₂

6）修正第二层与第一层节点之间连接权值和阀值：

${\mathrm{\ω}}_{\mathrm{ij}}(N+1)={\mathrm{\ω}}_{\mathrm{ij}}\left(N\right)+\mathrm{\η}\×e_j^k\×x_i---\left(16\right)$

${\mathrm{\Ψ}}_j(N+1)={\mathrm{\Ψ}}_j\left(N\right)+\mathrm{\η}\×e_j^k---\left(17\right)$

j=1,2,...n₁  η∈(0,1)  i=1,2,...n

对样本进行训练，计算误差，如果误差小于设定的可接受误差范围之内或者达到所设定的学习次数，则学习结束，训练实施过程如附录图2。

4.基于时间序列的预测方法

时间序列预测根据当前的一系列数据预测一下序列数据，如历史观测值-结果序列VTCL₁,VTCL₂,...VTCL_n,out预测，其中VTCL_n是n时刻观测的结果向量，out是序列的结果，对于每个观测序列，学习者会产生相应的预测序列Q,每个观测序列Q_t都是out的估计值，实质上，训练过程就是权值的调整，每一个具体的观测，就产生一个相应的变量Δw_t，w的值被修改为：

$w\←w+\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\Δw}}_t---\left(18\right)$

对同一时刻进行估计，在时刻n，网络输出Qⁱ _n，还得输出Q¹ _nQ² _nQ³ _n....Q^i-1 _n，这些都是对同一状态进行预测。预测准确，则Q^θ _n=Q^θ-1 _n+1,其中n,1≤δ≤i，如果不准确，则需要修改计算Q^θ _n的权向量的规则：

${\mathrm{\Δw}}_t=\mathrm{\α}\left({Q_n}^{\mathrm{\θ}-1}\text{-}{Q^{\mathrm{\θ}}}_n\right)\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i{\mathrm{\Δ}}^{n-i}\mathrm{\λw}{Q^{\mathrm{\θ}}}_i\text{---}\left(19\right)$

其中λ是学习率，为了产生序列预测，如下图3所示。

5.最优选择转动

根据第4步，根据当前时刻和当前位置，可以预测两组样本值，一组是当前位置不动，一组是预转位置是一系列与太阳垂直的位置的数据值，先考虑单步预测与判断，多步预测和最优化是单步的嵌套。根据当前值预测两个能量值一个将要转动到太阳垂直的位置，它的能量预测值是V-energy1，一个是当前位置不动，只是时间推移，它的能量预测值是L-energy1，从位置1转动到位置2，需要消耗电机的电能是E1,如果t这段时间内，如果L-energy1大于V-energy1与E1之差，选择不转动，否则选择转动；多步预测和转动，除了判断第一步之外，而且要考虑第二步，若不转动或者转动对后续动作有影响，找出一个存储能量最大的位置，实现转动的最优化。

Claims (8)

1.一种用于太阳能铁道标签的智能跟踪系统的处理方法，所述用于太阳能铁道标签的智能跟踪系统包括前台装置和后台处理装置，其中前台装置包括主控制单元（1）、信息预处理单元（2）、能量检测单元（3）、经纬度检测单元（4）、蓄电装置单元（5）、外部时钟单元（6）、通信单元（7）、太阳能组件单元（8）、紧急备用电池单元（9）以及存储单元（10）；后台处理装置是由网络上闲置的网络资源组成；太阳能组件单元（8）和蓄电装置单元（5）与能量检测单元（3）相连；蓄电装置单元（5）与紧急备用电池单元（9）相连；能量检测单元（3）与存储单元（10）相连；能量检测单元（3）、外部时钟单元（6）和经纬度检测单元（4）与信息预处理单元（2）相连；通信单元（7）与信息预处理单元（2）相连；信息预处理单元（2）与主控制单元（1）相连；主控制单元（1）与太阳能组件单元（8）相连；通信单元（7）通过无线组网把信息发送到数据汇点，各个单元的数据汇点信息发送到后台处理装置上，经后台处理装置（11）处理的信息回发到各个前台装置，控制连接太阳能组件单元的电机一和电机二旋转角度的大小，其特征在于用于太阳能铁道标签的智能跟踪系统的处理方法包括如下过程：信息采集、信息处理、信息控制：

S 1. 所述的信息采集，分为太阳能采集，经纬度信息采集，时间信息采集,阅读器携带信息以及限速标签携带信息采集，信息的采集是整个系统的信息来源以及后续工作维护的判断标准；

S 1.1 所述的太阳能采集，分为两种：一种是太阳能组件与太阳的相对位置保持垂直不变，采集得到有效数据，简称为样本数据Y1；另一种是太阳能组件的位置不变，随着时间推移进行采样，得到有效的数据，简称为样本数据Y2，太阳能采样时若处于休眠的限速标签接收到激活命令，停止采样，停止采样的时间具有自适应性，等列车经过后恢复采样，采样系列值存储在存储单元中；

S1.2 所述的经纬度信息采集，系统开机后，经纬度检测单元把当地的经纬度信息进行采样，采样完毕，经纬度检测单元处于休眠状态；

S1.3 所述的时间信息采集，外部时钟单元提供系统对时间信息的采集；

S1.4 所述限速标签携带信息采集，是将限速标签内限速信息和当前公里标的信息，提供给限速读取装置而采集；

S1.5 所述阅读器携带信息采集，是将阅读器内列车的长度和列车当前的行驶速度信息，提供给限速标签而采集；

S1.6 后续限速标签维护工作的判断标准，正常工作下的限速标签起着发送数据的作用，在后台管理系统中会显示限速标签的激活状态，若限速标签失活，表示限速标签处于不工作状态下，对应相应的地理坐标对限速标签进行维修；

S 2.  所述的信息处理，包括信息预处理和后台信息处理,将采集来的信息进行分类，可分为能量信号，时间信号，经纬信号，限速标签的数据处理能力有限，可将信息处理分为以下两部分：

S2.1 采集太阳能能量值时，若处于休眠的限速标签被阅读器激活，列车将通过限速标签，太阳能采样中止，等待中断时间T_DELAY后恢复采集，并且对采集的太阳能能量值进行预处理标准化；

S2.2采集的太阳能能量信息经预处理通过无线传输给后台处理装置，后台处理装置把处理后的结果通过无线传回给限速标签；

S2.2.1后台处理装置接收到限速标签传来的太阳能能量值，根据预测网络，预测下一组太阳能能量值,并根据限速标签号建立各自样本数据库；

S2.2.2后台处理装置接收到外部时间信息，经纬度信息以及电机转动所耗功耗，根据转动算法，对电机做出进一步判断：

（1）后台处理装置传输电机转动的坐标；

（2）后台处理装置传输电机不转动指令；

S 3. 所述的信息控制，是主控制单元对各个单元有效地调度，使系统按照程序流程控制，具体如下：

S3.1 所述的主控制单元是用来调度整个系统控制部分,各种能量信息的采集，经过信息处理，主控制单元根据处理结果和与太阳的当前坐标对电机一和电机二进行控制；

S3.2 主控制单元对蓄电池充放电的控制，合理的控制蓄电池工作在安全范围内，以及其他单位触发控制；

S3.2.1所述主控制单元的充放电管理单元是通过检测蓄电池两端的电量来切断或者重连蓄电池与太阳能组件的物理连接，实现蓄电池的合理充放电，提高蓄电池的使用寿命，在蓄电装置单元放电完毕的情况下，电源模块切换到紧急备用电池单元；

S3.2.2 所述主控制单元的输入是后台处理装置处理后的信息数据。

2.根据权利要求1所述的用于太阳能铁道标签的智能跟踪系统的处理方法，其特征在于上述S2.1信息的预处理，对于采集来的太阳能信息，在进行后台处理之前，要对采集来的数据进行标准化处理，标准化处理后的数据通过无线网络传输到各个区域的数据汇点，由数据汇点传输到后台处理装置进行处理。

3.根据权利要求1所述的用于太阳能铁道标签的智能跟踪系统的处理方法，其特征在于上述S2.2.2采用转动算法，太阳能跟踪是介于实时跟踪与非实时跟踪之间，判断的标准是是否满足储存的能量最大化，根据当前采集接收太阳能的能量值预测两组能量值：一组是太阳能组件与太阳相对位置不变，随着时间变化将要接收的太阳能能量值，简称为预测数据A1；另一组是太阳能组件位置不变，随着时间变化将要接收的太阳能能量值，简称为预测数据A2,通过计算两组不同的数据以及转动所耗电能，来判断是否进行下一步转动，区域内的限速标签都是按照上述要求进行跟踪充电;

所述的预测数据A1是指太阳能组件与太阳的相对位置保持垂直时所预测的能量数据；通过预测网络预测一组能量值数组，预测数组的第一个数是指第一个时间间隔将要接收的太阳能能量值，数组中剩余的数对应于不同的时间间隔;

所述的预测数据A2是指太阳能组件位置不变随着时间推移所预测的能量数据;同样通过预测网络预测一组能量值数组，预测数组的第一个数是指第一个时间间隔将要接收的太阳能能量值，数组中剩余的数对应于不同的时间间隔;

所述的转动算法，是指是否能实现能量的最大化，如果转动所接收的能量减去电机所消耗的电能大于当前位置不变所接收的能量时，就说明已经到达转动要求，否则还是处于跟踪模式下的不转动，这属于单层时间的转动算法，多层时间的转动算法是单层的嵌套。

4.根据权利要求1所述的用于太阳能铁道标签的智能跟踪系统的处理方法，其特征在于上述步骤S2.2.1是太阳能能量值的预测性，预测是指通过预测网络，输入一组太阳能能量采样值预测一组将要接收的太阳能能量值，将要接收的太阳能能量值作为转动算法的输入；

所述太阳能采样，是采样有效值，由于环境的干扰，可能采样时受到环境影响，产生干扰，导致采样值失效；在限速标签被阅读器所激活时，正值太阳能装置在为下阶段预测太阳能接收值做采样，限速标签被阅读器激活，说明列车将要通过限速标签，这时系统中断太阳能采样的进行;等待自适应延时时间过后，继续进行太阳能采样，保证采样值的真实性，具体预测过程：根据当前的输入值，预测下一组能量值；具体过程如下：选择初始的网络连接权值和阀值，输入样本序列，通过初始权值，输出第二层单元的结果，第二层单元的输出作为第三层单元的输入，同样通过初始权值加权，得出第三层单元的输出，通过训练输入样本序列，得出输出后与实际值作为比较，通过输出值计算校正误差，然后通过第二、三层校正误差，根据误差调整两类阀值：一类是第二层到第三层的连接权值和第三层的阀值，另一类是第一层到第二层的连接权值和阀值，更新新的训练样本，重新训练直到误差在设定差范围之内，实现能量的预测。

5.根据权利要求1所述的用于太阳能铁道标签的智能跟踪系统的处理方法，其特征在于上述系统的自检性是在太阳能组件开始转动之前，需要经过系统的检测，当日期增加一天时，实时更新日出时间和日落时间，当外部时间达到日出时间时，即为白天模式，当外部时间超出日落时间即为黑夜模式；在黑夜模式下，其他单元都处于休眠状态，不进行检测；在白天模式下，能量检测单元开始检测，接收的太阳能是否达到跟踪的阀值，若达到阀值，系统的模式为跟踪模式；若没有达到阀值，系统为非跟踪模式；在跟踪模式下，根据是否达到转动要求，来决定是否进行转动动作。

6.根据权利要求1所述的用于太阳能铁道标签的智能跟踪系统的处理方法，其特征在于等待时间是自适应的，不同长度和速度的列车，需要等待的时间是不一样的，若固定等待时间，在过了等待时间采样，但是列车还没完全经过太阳能标签，对于采样值会失去真实值，所以采样自适应等待时间，限速标签在被阅读器激活的同时，接收来自阅读器的信息，其中包括列车长度和经过标签时的行驶速度。

7.根据权利要求1所述的用于太阳能铁道标签的智能跟踪系统的处理方法，其特征在于上述步骤S2.2的后台处理装置，限速标签的太阳能组件的转动，是根据转动算法运行的结果实施操作，转动算法的输入是太阳能能量值的预测值，太阳能能量的预测在限速标签中进行，对于限速标签的功耗和运行速度有比较严格的要求，这部分预测必须由外部来完成，后台处理装置是负担区域内各个限速标签的太阳能采样值，处理后传回给它们，提高了数据处理的时间和大大降低了限速标签对功耗的要求，限速标签有各自的供电单元，自组织无线网络，每个小区域内有个数据结汇点，每个数据结汇点把限速标签的数据分时传送给后台主机，每个限速标签在日出之时和日落之时记录各自蓄电池的电量，分别传送给后台主机，通过后台主机，分析区域内限速标签的充电情况，形成网络反馈，从而提高充电效率。

8.根据权利要求1所述的用于太阳能铁道标签的智能跟踪系统的处理方法，其特征在于上述电池充放电过程，电压与电量不是简单的线性关系，是需要通过出厂前检测，把电压与电量检测做成一个对应链表，在检测蓄电池电压时，只需要调出对应的电量值，减少测量误差。