CN102620943B - 在车轮检测中调整卡尔曼滤波器的参数的方法及装置 - Google Patents
在车轮检测中调整卡尔曼滤波器的参数的方法及装置 Download PDFInfo
- Publication number
- CN102620943B CN102620943B CN201110032433.1A CN201110032433A CN102620943B CN 102620943 B CN102620943 B CN 102620943B CN 201110032433 A CN201110032433 A CN 201110032433A CN 102620943 B CN102620943 B CN 102620943B
- Authority
- CN
- China
- Prior art keywords
- wheel
- stability index
- data difference
- bogie
- detection data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/013—Wheels
Abstract
公开了一种在车辆的车轮检测中调整卡尔曼滤波器的参数的方法。在该方法中,将车辆的车轮检测数据与各自对应的车轮在所述车辆中的位置相关联;基于所述车轮检测数据和上述关联,估计所述车辆的车轮稳定指标,其中所述车轮稳定指标反映车轮检测的可靠性;以及根据所估计的车轮稳定指标,调整所述卡尔曼滤波器的测量误差协方差。采用该方法,能够动态地调整卡尔曼滤波器的参数,从而使卡尔曼滤波器能够执行更准确的滤波,确保车轮检测的结果准确。另外,还公开了对应的调整卡尔曼滤波器的参数的装置以及车辆的车轮检测系统。
Description
技术领域
本发明涉及车辆的车轮检测技术,具体地,涉及在车轮检测过程中调整卡尔曼滤波器的参数以更有效地对车轮检测数据除噪的方法及装置。
背景技术
对于铁路车辆,尤其是用于高速铁路的车辆,其车轮是非常重要且昂贵的资产。一般地,每个车轮需花费约一万美元,而整个车辆大约有100个车轮,因此,每个车辆在车轮上的成本很高。另外,车轮还直接影响车辆的速度、安全性和舒适性。
因此,为了使车轮故障最小化并且避免灾难性的事故,铁路经营者通常配备有车轮检测系统,以监控车轮的相关参数和检测车轮的异常情况。在现有的车轮检测系统中,通常使用安装在铁轨上的传感器测量车轮的相关参数,然后,这些车轮数据被提供给状态检测系统,以分析车轮的形状是否是圆形、车轮是否有磨损、车轮的轮径差等,从而帮助经营者了解车轮的状态。一般地,所检测的车轮的相关参数包括车轮的轮缘和轮径值。
众所周知,在传感器所测量的车轮数据中存在噪声,它会对车轮数据的分析结果带来误差,可能使得分析结果无意义或者导致产生错误的警报。因此,为了保证分析结果准确地反映车轮的当前状态,需要除去车轮检测数据中的噪声。因此,在现有的车轮检测系统中通常采用卡尔曼滤波技术以有效地除去信号中的噪声。
卡尔曼滤波器的基本思想是:根据前一时刻状态的估计值和当前状态的测量值,计算当前状态的估计值。它是一种递归的估计。卡尔曼滤波器的操作包括两个阶段:预测和更新。在预测阶段,使用前一时刻状态的估计值,对当前状态进行预测。在更新阶段,利用当前状态的测量值,优化在预测阶段获得的预测值,以获得更精确的新估计值。
在预测阶段,使用公式(1)对当前状态进行预测:
其中,表示k时刻的状态预测值,A表示状态转移矩阵,xk-1表示k-1时刻的状态估计值。此时,k时刻的预测估计协方差的预测值为:
其中,表示k时刻的预测估计协方差的预测值,Pk-1表示k-1时刻的预测估计协方差的估计值。
在更新阶段,卡尔曼增益通过公式(3)计算:
其中,Kk表示k时刻的增益,R表示测量误差协方差,是常量。然后,使用公式(4)对k时刻的状态预测值进行更新,以获得新的状态估计值:
其中,表示k时刻的状态估计值,zk表示k时刻的状态测量值。另外,使用公式(5)对预测估计协方差的预测值进行更新,以获得新的预测估计协方差的估计值:
其中,Pk表示k时刻的预测估计协方差的估计值。
在卡尔曼滤波器中,卡尔曼增益Kk实际上是预测估计协方差Pk和测量误差协方差R的平衡因子。如果测量误差协方差R接近于0,则卡尔曼增益Kk接近于1,而更新的状态估计值接近于状态测量值zk。如果预测估计协方差Pk接近于0,则卡尔曼增益Kk也接近于0,而更新的状态估计值接近于状态预测值
在使用卡尔曼滤波器时,测量误差协方差R通常是不变的。然而,实际上,测量误差协方差R不可能保持不变。例如,在天气状况发生变化或者工作时间较长的情况下,安装在铁轨上的传感器会受到影响,导致测量误差协方差R改变。一旦卡尔曼滤波器的参数不合适,就会降低信号的除噪效果,容易导致错误的分析结果。因此,在车轮检测过程中有必要考虑卡尔曼滤波器的测量误差协方差R的变化,以使卡尔曼滤波器的估计结果更加准确。
发明内容
本发明正是鉴于上述技术问题而提出的,其目的在于提供一种在车辆的车轮检测中调整卡尔曼滤波器的参数的方法及装置,以能够动态地调整卡尔曼滤波器的参数,从而使卡尔曼滤波器能够执行更准确的滤波,确保车轮检测的结果准确。
根据本发明的一个方面,提供一种在车辆的车轮检测中调整卡尔曼滤波器的参数的方法,包括:将车辆的车轮检测数据与各自对应的车轮在所述车辆中的位置相关联;基于所述车轮检测数据和上述关联,估计所述车辆的车轮稳定指标,其中所述车轮稳定指标反映车轮检测的可靠性;以及根据所估计的车轮稳定指标,调整所述卡尔曼滤波器的测量误差协方差。
根据本发明的另一个方面,提供一种在车辆的车轮检测中调整卡尔曼滤波器的参数的装置,包括:关联模块,用于将车辆的车轮检测数据与各自对应的车轮在所述车辆中的位置相关联;估计模块,用于基于所述车轮检测数据和上述关联,估计所述车辆的车轮稳定指标,其中所述车轮稳定指标反映车轮检测的可靠性;以及参数调整模块,用于根据所估计的车轮稳定指标,调整所述卡尔曼滤波器的测量误差协方差。
根据本发明的再一个方面,提供一种车辆的车轮检测系统,包括:多个传感器,用于测量所述车辆的车轮的参数;上述的在车辆的车轮检测中调整卡尔曼滤波器的参数的装置;以及卡尔曼滤波器,用于对根据所测量的车轮的参数,检测所述车轮的状态。
附图说明
图1是根据本发明的一个实施例的在车辆的车轮检测中调整卡尔曼滤波器的参数的方法的示意性流程图;
图2是图1的实施例的方法中将车轮检测数据与各自对应的车轮在车辆中的位置相关联的步骤的示意性流程图;
图3是图1的实施例中估计车轮稳定指标的步骤的示意性流程图;
图4是根据本发明的另一个实施例的在车辆的车轮检测中调整卡尔曼滤波器的参数的装置的示意性方框图;
图5是图4的实施例的装置中轴/转向架/车厢稳定指标计算单元的示意性方框图;
图6是根据本发明的再一个实施例的车辆的车轮检测系统的示意性方框图。
具体实施方式
相信通过以下结合附图对本发明的具体实施例的详细描述,本发明的上述和其它目的、特征和优点将会更加明显。
图1是根据本发明的一个实施例的在车辆的车轮检测中调整卡尔曼滤波器的参数的方法的示意性流程图。下面结合附图,对本实施例进行详细描述。
本实施例的方法基于以下两点:1)在车辆的同一个车厢、转向架或者轴上的车轮应当具有基本相同的轮径值和相同的损耗;2)如果作为测量装置的传感器的测量结果不稳定,则传感器的测量结果倾向于是错误的。这样,通过比较在同一个轴、转向架或车厢上的车轮的轮径值的差,可以估计传感器所进行的车轮测量的可靠性,从而判断传感器的测量噪声是否变化,进而确定是否需要调整卡尔曼滤波器的参数。
在以下的说明中,以铁路车辆为例进行说明。众所周知,铁路车辆包括多节车厢,每节车厢具有前后两个转向架,每个转向架具有前后两个轴,每个轴上具有左右两个车轮。通常,一个铁路车辆具有12节车厢、24个转向架、48个轴和96个车轮。
如图1所示,在步骤S101,将车辆的车轮检测数据与各自对应的车轮在车辆中的位置相关联。在本实施例中,设置在铁轨上的传感器测量所经过的车辆的车轮的相关参数,例如车轮的轮径值,以得到车轮检测数据。然后,这些车轮检测数据与各自的车轮的位置进行关联。
图2示出了关联步骤的示意性流程图。如图2所示,在步骤S201,标识车轮在车辆中的位置。例如,可以按照从车辆的车头到车尾且朝着车头从左到右的顺序,标识各个车轮的位置。在这种情况下,车轮的位置可被表示为1_L、1_R、2_L、2_R、3_L、3_R、...。接着,在步骤S205,确定车轮所在的轴、转向架和车厢的至少一个在车辆中的位置。在上面的例子中,根据车辆的结构,车轮1_L和1_R所在的轴、转向架和车厢的位置分别是1、1、1,车轮2_L和2_R所在的轴、转向架和车厢的位置分别是2、1、1,车轮3_L和3_R所在的轴、转向架和车厢的位置分别是3、2、1。然后,在步骤S210,在车轮检测数据、对应的车轮的位置以及该车轮所在的轴、转向架和车厢中的至少一个的位置之间建立关联。在本实施例中,可以建立关联表以表示车轮检测数据与车轮的位置之间的关系,如表1所示:
表1
通过这种关联,来自传感器的车轮检测数据被结构化,从而为稍后描述的车轮稳定指标的估计提供基础。
返回到图1,在步骤S105,基于来自传感器的车轮检测数据和在步骤S101中建立的关联,估计车辆的车轮稳定指标,其中车轮稳定指标反映车轮检测的可靠性。下面参照图3,详细地说明估计车轮稳定指标的步骤。
如图3所示,在步骤S301,计算整个车辆的车轮的轴稳定指标、转向架稳定指标和车厢稳定中的至少一个。以下分别对轴稳定指标的计算方法、转向架稳定指标的计算方法和车厢稳定指标的计算方法进行说明。在以下的说明中,车轮检测数据采用车轮的轮径值。本领域的普通技术人员能够理解,车轮检测数据也可以采用其它能够由传感器测量的参数值,例如轮缘厚度、轮缘高度等。
(一)轴稳定指标的计算方法。
首先,计算在同一个轴上的左右车轮之间的同轴轮径差的平均值,其中同轴轮径差是指同一个轴上的车轮之间的轮径值的差。在本实施例中,可以使用公式(6)计算同轴轮径差的平均值:
其中,表示同轴轮径差的平均值,N表示轴的个数,Diameteri_L表示第i个轴上的左车轮的轮径值,Diameteri_R表示第i个轴上的右车轮的轮径值。接着,基于所计算的同轴轮径差的平均值和预先确定的正常情况下的同轴轮径差分布的均值及方差,计算当前的同轴轮径差偏离指标。通常,正常情况下的同轴轮径差分布是正态分布,其均值和方差可预先通过统计产品与服务解决方案(SPSS)训练获得。在本实施例中,可以通过公式(7)计算当前的同轴轮径差偏离指标:
其中,Index表示同轴轮径差偏离指标,和σaxle分别表示正常情况下的同轴轮径差分布的均值和方差。当然,本领域的普通技术人员应当理解,也可以采用其它方式计算同轴轮径差偏离指标。然后,根据所计算的当前的同轴轮径差偏离指标,确定车轮的轴稳定指标。如果同轴轮径差偏离指标小于第一阈值,则轴稳定指标等于0;如果同轴轮径差偏离指标大于或等于第一阈值,则轴稳定指标等于同轴轮径差偏离指标与常数1的差,如公式(8)所示:
其中,Indexaxle表示轴稳定指标。第一阈值可以由使用者根据需要预先确定,通常大于1。
(二)转向架稳定指标的计算方法。
首先,计算在同一个转向架的两个轴上的左车轮之间的轮径差和右车轮之间的轮径差,即|Diameteri_L-Diameteri+1_L|和|Diameteri_R-Diameteri+1_R|,作为同转向架轮径差。然后,计算所有转向架的同转向架轮径差的平均值,如公式(9)所示:
其中,表示同转向架轮径差的平均值。然后,基于所计算的同转向架轮径差的平均值和预先确定的正常情况下的同转向架轮径差分布的均值及方差,计算当前的同转向架轮径差偏离指标。通常,正常情况下的同转向架轮径差分布是正态分布,其均值和方差可通过统计产品与服务解决方案(SPSS)训练获得。在本实施例中,可通过公式(10)计算同转向架轮径差偏离指标:
其中,Index表示同转向架轮径差偏离指标,和σbogie分别表示正常情况下的同转向架轮径差分布的均值和方差。当然,本领域的普通技术人员应当理解,也可以采用其它方式计算同转向架轮径差偏离指标。然后,根据所计算的当前的同转向架轮径差偏离指标,确定转向架稳定指标。在本实施例中,如果同转向架轮径差偏离指标小于第二阈值,则转向架稳定指标等于0;如果同转向架轮径差偏离指标大于或等于第二阈值,则转向架稳定指标等于同转向架轮径差偏离指标与常数1的差,如公式(11)所示:
其中,Indexbogie表示转向架稳定指标。另外,第二阈值可由使用者根据需要预先确定,通常大于1。
在上述关于转向架稳定指标的计算方法中,虽然仅描述了一个转向架具有两个轴的情况,但本领域的普通技术人员应当理解,对于一个转向架具有两个以上的轴的情况,仅需要对该计算方法稍加修改即可适用。
(三)车厢稳定指标的计算方法。
首先,计算在同一个车厢的两个转向架上的左右车轮的轮径值的平均值,如公式(12)和(13)所示:
其中,表示第i节车厢的前转向架上的车轮的轮径值的平均值,表示第i节车厢的后转向架上的车轮的轮径值的平均值。接着,计算这两个转向架之间的轮径差,即作为同车厢轮径差。然后,计算所有车厢的同车厢轮径差的平均值,如公式(14)所示:
然后,基于所计算的同车厢轮径差的平均值和预先确定的正常情况下的同车厢轮径差分布的均值及方差,计算当前的同车厢径差偏离指标。同样,正常情况下的同车厢轮径差分布是正态分布,其均值和方差可通过统计产品与服务解决方案(SPSS)训练获得。在本实施例中,可通过公式(15)计算同车厢轮径差偏离指标:
其中,Index表示同车厢轮径差偏离指标,和σcar分别表示正常情况下的同车厢轮径差分布的均值和方差。当然,本领域的普通技术人员应当理解,也可以采用其它方式计算同车厢轮径差偏离指标。然后,根据所计算的当前的同车厢轮径差偏离指标,确定车厢稳定指标。在本实施例中,如果同车厢轮径差偏离指标小于第三阈值,则车厢稳定指标等于0;如果同车厢轮径差偏离指标大于或等于第三阈值,则车厢稳定指标等于同车厢轮径差偏离指标与常数1的差,如公式(16)所示:
其中,Indexcar表示车厢稳定指标。第三阈值可由使用者根据需要预先确定,通常大于1。
在上述关于车厢稳定指标的计算方法中,虽然仅描述了一个车厢具有两个转向架的情况,但本领域的普通技术人员应当理解,对于一个车厢具有两个以上的转向架的情况,仅需要对该计算方法稍加修改即可适用。
然后,在步骤S305,基于在步骤S301中计算的轴稳定指标、转向架稳定指标和车厢稳定指标中的至少一个,计算车轮稳定指标。在本实施例中,车轮稳定指标被计算为轴稳定指标、转向架稳定指标和车厢稳定指标的加权和,其中各个稳定指标的权重大于等于0且小于等于1,并且上述权重之和等于1,如公式(17)所示:
StableIndex=w1Indexaxle+w2Indexbogie+w3Indexcar (17)
其中,StableIndex表示车轮稳定指标,w1、w2、w3分别表示轴稳定指标Indexaxle、转向架稳定指标Indexbogie和车厢稳定指标Indexcar的权重。
如果只计算了轴稳定指标、转向架稳定指标和车厢稳定指标中的任意一个,则将所计算的稳定指标的权重设置为1,其它的稳定指标的权重被设置为0。如果计算了轴稳定指标、转向架稳定指标和车厢稳定指标中的任意两个,则将没有计算的稳定指标的权重设置为0。
再次返回图1,在步骤S110,根据在步骤S105中估计的车轮稳定指标,调整卡尔曼滤波器的测量误差协方差。如前所述,如果卡尔曼滤波器的测量误差协方差始终保持不变,则有可能导致卡尔曼滤波器的滤波不准确,因此,需要对测量误差协方差进行调整。
在本实施例中,首先,将所估计的车轮稳定指标与预定的稳定阈值进行比较。稳定阈值作为车轮稳定指标的上限值,可由使用者预先设置并存储。如果车轮稳定指标小于稳定阈值,则表明传感器对车轮参数的测量正常,此时可以不调整卡尔曼滤波器的测量误差协方差。如果车轮稳定指标大于或等于稳定阈值,则对测量误差协方差进行调整。
进一步地,为了避免测量误差协方差的调整过于频繁,可以在比较结果是车轮稳定指标大于或等于稳定阈值时,还判断车轮稳定指标大于或等于稳定阈值的情形连续发生的次数是否超过预定次数。如果连续发生的次数超过该预定次数,则需要对测量误差协方差进行调整。如果连续发生的次数低于该预定次数,则不调整测量误差协方差。假如预定次数被设置为M,那么连续发生的次数超过预定次数意味着在本次测量之前的前(M-1)次测量所得到的(M-1)个车轮稳定指标都大于或等于稳定阈值。
实际上,测量误差协方差与车轮稳定指标之间满足线性关系,即
R=A(f(StableIndex)-f(StableIndexthreshold))+R0 (18)
其中,R表示调整后的测量误差协方差,A为常量,f(·)表示线性函数,StableIndex表示所计算的车轮稳定指标,StableIndexthreshold表示稳定阈值,R0表示初始测量误差协方差。常量A和线性函数f(·)可通过训练获得,并且随着车辆的不同而不同。
初始测量误差协方差R0可按照如下的方法计算:选取在车轮镟削时的轮径测量值,作为轮径测量的真值,包括镟削前的测量真值和镟削后的测量真值;选取距离镟削最近的来自传感器的镟削前测量数据和镟削后测量数据,并计算与测量真值之间的差,即测量误差;然后,根据轮径差训练模型,获得初始测量误差协方差R0。
因此,根据上述的公式(18),可以对测量误差协方差进行调整。
虽然在本实施例中以铁路车辆为例进行了说明,但本领域的普通技术人员应当理解,本实施例的方法也适用于其它具有类似结构的车辆。
通过以上描述可以看出,本实施例的在车辆的车轮检测中调整卡尔曼滤波器的参数的方法利用车辆的结构特征,通过将车轮检测数据与车轮的位置相关联,并估计车辆的车轮稳定指标,动态地调整卡尔曼滤波器的测量误差协方差,从而使得卡尔曼滤波器的分析结果更准确。此外,本实施例的方法也容易实现。
在同一个发明构思下,图4示出了根据本发明的另一个实施例的在车辆的车轮检测中调整卡尔曼滤波器的参数的装置400的示意性方框图。下面结合附图,对本实施例进行详细描述,其中,对于与前面实施例相同的部分,适当省略其说明。
如图4所示,本实施例的在车辆的车轮检测中调整卡尔曼滤波器的参数的装置400包括:关联模块401,其将车辆的车轮检测数据与各自对应的车轮在车辆中的位置相关联;估计模块402,其基于车轮检测数据和在关联模块401中建立的关联,估计车辆的车轮稳定指标,其中车轮稳定指标反映车轮检测的可靠性;以及参数调整模块403,其根据所估计的车轮稳定指标,调整卡尔曼滤波器的测量误差协方差。
由传感器测量的车轮的参数(例如轮径值)作为车轮检测数据被提供给装置400,首先在关联模块401中将车轮检测数据与各自对应的车轮的位置建立关联。在关联模块401中,车轮标识单元4011标识车轮在车辆中的位置,例如,车轮的位置可以被标识为1_L、1_R、2_L、2_R、3_L、3_R、...。接着,在确定单元4012中确定各个车轮所在的轴、转向架和车厢的至少一个在车辆中的位置,然后由关联建立单元4013在车轮检测数据、对应的车轮的位置以及该车轮所在的轴、转向架和车厢中的至少一个的位置之间建立关联。
通过关联模块401结构化的车轮检测数据被提供给估计模块402,以估计车辆的车轮稳定指标,从而确定此次车轮检测的可靠性。在估计模块402中,轴/转向架/车厢稳定指标计算单元4021计算车轮的轴稳定指标、转向架稳定指标和车厢稳定指标中的至少一个。
图5示出了轴/转向架/车厢稳定指标计算单元4021的示意性方框图。如图5所示,轴/转向架/车厢稳定指标计算单元4021包括车轮检测数据差计算单元501、车轮检测数据差偏离指标计算单元502和稳定指标确定单元503。在以下的说明中,车轮检测数据采用车轮的轮径值。本领域的普通技术人员能够理解,车轮检测数据也可以采用其它能够由传感器测量的参数值。
当计算轴稳定指标时,首先,车轮检测数据差计算单元501计算在同一个轴上的左右车轮之间的同轴轮径差的平均值,例如,根据前述的公式(6)。然后,车轮检测数据差偏离指标计算单元502基于同轴轮径差的平均值和预先确定的正常情况下的同轴轮径差分布的均值及方差,计算当前的同轴轮径差偏离指标,例如,根据前述的公式(7)。最后,稳定指标确定单元503根据所计算的当前的同轴轮径差偏离指标,确定车轮的轴稳定指标,例如,根据前述的公式(8)。
当计算转向架稳定指标时,首先,车轮检测数据差计算单元501计算在同一个转向架的两个轴上的左车轮之间的轮径差和右车轮之间的轮径差作为同转向架轮径差,并计算所有转向架的同转向架轮径差的平均值,例如,根据前述的公式(9)。然后,车轮检测数据差偏离指标计算单元502基于所计算的同转向架轮径差的平均值和预先确定的正常情况下的同转向架轮径差分布的均值及方差,计算当前的同转向架轮径差偏离指标,例如根据前述的公式(10)。然后,稳定指标确定单元503根据所计算的当前的同转向架轮径差偏离指标,确定车轮的转向架稳定指标,例如根据前述的公式(11)。在上述关于转向架稳定指标的计算中,虽然仅描述了一个转向架具有两个轴的情况,但本领域的普通技术人员应当理解,对于一个转向架具有两个以上的轴的情况,仅需要对相关公式进行适应性修改即可适用。
当计算车厢稳定指标时,首先,车轮检测数据差计算单元501计算在同一个车厢的两个转向架上的左右车轮的轮径值的平均值,例如根据前述的公式(12)和(13),并计算两个转向架之间的轮径差作为同车厢轮径差,然后,计算所有车厢的同车厢轮径差的平均值,例如根据前述的公式(14)。接着,车轮检测数据差偏离指标计算单元502基于所计算的同车厢轮径差的平均值和预先确定的正常情况下的同车厢轮径差分布的均值及方差,计算当前的同车厢轮径差偏离指标,例如根据前述的公式(15)。然后,稳定指标确定单元503根据所计算的当前的同车厢轮径差偏离指标,确定车轮的车厢稳定指标,例如根据前述的公式(16)。在上述关于车厢稳定指标的计算中,虽然仅描述了一个车厢具有两个转向架的情况,但本领域的普通技术人员应当理解,对于一个车厢具有两个以上的转向架的情况,仅需要对相关公式进行适应性修改即可适用。
返回到图4,在通过轴/转向架/车厢稳定指标计算单元4021计算了轴稳定指标、转向架稳定指标和车厢稳定指标中的至少一个后,车轮稳定指标计算单元4022使用轴稳定指标、转向架稳定指标和车厢稳定指标中的至少一个,计算车轮稳定指标,例如,根据前述的公式(17)。在车轮稳定指标计算单元4022中,车轮稳定指标被计算为轴稳定指标、转向架稳定指标和车厢稳定指标的加权和,其中,各个稳定指标的权重大于等于0且小于等于1,并且各权重之和等于1。
估计模块402所估计的车轮稳定指标被提供给参数调整模块403,以确定是否需要调整卡尔曼滤波器的测量误差协方差。在参数调整模块403中,比较单元4031将车轮稳定指标与预定的稳定阈值进行比较,并在车轮稳定指标大于稳定阈值时,由调整单元4032对测量误差协方差进行调整。
进一步地,参数调整模块403还可以包括判断单元4033。当比较单元4031的结果是车轮稳定指标大于稳定阈值时,由判断单元4033判断车轮稳定指标大于稳定阈值的情形连续发生的次数是否超过预定次数,并且当连续发生的次数超过预定次数时,由调整单元4032对测量误差协方差进行调整。这样,可以避免测量误差协方差被频繁地调整。
在本实施例中,调整单元4032根据前述的公式(18)调整测量误差协方差。
应当指出,本实施例的在车辆的车轮检测中调整卡尔曼滤波器的参数的装置400在操作上能够实现如图1至图3所示的在车辆的车轮检测中调整卡尔曼滤波器的参数的方法。
图6示出了根据本发明的再一个实施例的车辆的车轮检测系统。该车轮检测系统包括:多个传感器601,其测量车辆的车轮的参数;如图4所示的在车辆的车轮检测中调整卡尔曼滤波器的参数的装置400;以及卡尔曼滤波器602,其根据来自多个传感器的所测量的车轮的参数,检测车轮的状态。
以上所公开的实施例的方法可以在软件、硬件、或软件和硬件的结合中实现。硬件部分可以利用专用逻辑来实现。例如,上述实施例中的在车辆的车轮检测中调整卡尔曼滤波器的参数的装置及其各个组成部分可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合实现。软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器、个人计算机(PC)或大型机来执行。
以上虽然通过示例性的实施例详细描述了本发明的在车辆的车轮检测中调整卡尔曼滤波器的参数的方法及装置,但是以上这些实施例并不是穷举的,本领域技术人员可以在本发明的精神和范围内实现各种变化和修改。因此,本发明并不限于这些实施例,本发明的范围仅由所附的权利要求限定。
Claims (17)
1.一种在车辆的车轮检测中调整卡尔曼滤波器的参数的方法,包括:
将车辆的车轮检测数据与各自对应的车轮在所述车辆中的位置相关联;
基于所述车轮检测数据和上述关联,估计所述车辆的车轮稳定指标,其中所述车轮稳定指标反映车轮检测的可靠性;以及
根据所估计的车轮稳定指标,调整所述卡尔曼滤波器的测量误差协方差,
其中,所述根据所估计的车轮稳定指标,调整所述卡尔曼滤波器的测量误差协方差的步骤包括:
将所述车轮稳定指标与预定的稳定阈值进行比较;以及
在所述车轮稳定指标不小于所述稳定阈值时,调整所述测量误差协方差,
其中,根据下列关系式调整所述测量误差协方差:
R=A(f(StableIndex)-f(StableIndexthreshold))+R0
其中,R表示调整后的测量误差协方差,A为常量,f(·)表示线性函数,StableIndex表示所述车轮稳定指标,StableIndexthreshold表示所述稳定阈值,R0表示初始测量误差协方差。
2.根据权利要求1所述的方法,其中,所述将车辆的车轮检测数据与各自对应的车轮在所述车辆中的位置相关联的步骤包括:
标识所述车轮在所述车辆中的位置;
确定所述车轮所在的轴、转向架和车厢中的至少一个在所述车辆中的位置;以及
在所述车轮检测数据、对应的车轮的位置以及该车轮所在的轴、转向架和车厢中的至少一个的位置之间建立关联。
3.根据权利要求2所述的方法,其中,所述基于所述车轮检测数据和上述关联,估计所述车辆的车轮稳定指标的步骤包括:
基于所述车轮检测数据、对应的车轮的位置以及该车轮所在的轴、转向架和车厢中的至少一个的位置之间的关联,计算所述车轮的轴稳定指标、转向架稳定指标和车厢稳定指标中的至少一个;以及
基于所述轴稳定指标、转向架稳定指标和车厢稳定指标中的至少一个,计算所述车轮稳定指标。
4.根据权利要求3所述的方法,其中,所述计算所述车轮的轴稳定指标的步骤包括:
计算在同一个轴上的左右车轮之间的同轴车轮检测数据差的平均值;
基于所述同轴车轮检测数据差的平均值和预先确定的正常情况下的同轴车轮检测数据差分布的均值及方差,计算当前的同轴车轮检测数据差偏离指标,其中所述同轴车轮检测数据差偏离指标等于:同轴车轮检测数据差的平均值,减去正常情况下的同轴车轮检测数据差分布的均值,然后除以正常情况下的同轴车轮检测数据差分布的方差;以及
根据所述当前的同轴车轮检测数据差偏离指标,确定所述车轮的轴稳定指标。
5.根据权利要求3所述的方法,其中,所述计算所述车轮的转向架稳定指标的步骤包括:
计算在同一个转向架的各个轴上的左车轮之间的车轮检测数据差和右车轮之间的车轮检测数据差作为同转向架车轮检测数据差;
计算所述同转向架车轮检测数据差的平均值;
基于所述同转向架车轮检测数据差的平均值和预先确定的正常情况下的同转向架车轮检测数据差分布的均值及方差,计算当前的同转向架车轮检测数据差偏离指标,其中所述同转向架车轮检测数据差偏离指标等于:同转向架车轮检测数据差的平均值,减去正常情况下的同转向架车轮检测数据差分布的均值,然后除以正常情况下的同转向架车轮检测数据差分布的方差;以及
根据所述当前的同转向架车轮检测数据差偏离指标,确定所述车轮的转向架稳定指标。
6.根据权利要求3所述的方法,其中,所述计算所述车轮的车厢稳定指标的步骤包括:
计算在同一个车厢的各个转向架上的左右车轮的车轮检测数据的平均值并计算所述各个转向架之间的车轮检测数据差作为同车厢车轮检测数据差;
计算所述同车厢车轮检测数据差的平均值;
基于所述同车厢车轮检测数据差的平均值和预先确定的正常情况下的同车厢车轮检测数据差分布的均值及方差,计算当前的同车厢车轮检测数据差偏离指标,其中所述同车厢车轮检测数据差偏离指标等于:同车厢车轮检测数据差的平均值,减去正常情况下的同车厢车轮检测数据差分布的均值,然后除以正常情况下的同车厢车轮检测数据差分布的方差;以及
根据所述当前的同车厢车轮检测数据差偏离指标,确定所述车轮的车厢稳定指标。
7.根据权利要求3所述的方法,其中,所述车轮稳定指标被计算为所述轴稳定指标、转向架稳定指标和车厢稳定指标的加权和,其中,所述轴稳定指标、所述转向架稳定指标和所述车厢稳定指标的权重在0至1的范围内,并且所述权重之和等于1。
8.根据权利要求7所述的方法,其中,所述根据所估计的车轮稳定指标,调整所述卡尔曼滤波器的测量误差协方差的步骤还包括:
在所述车轮稳定指标不小于所述稳定阈值时,进一步判断车轮稳定指标不小于稳定阈值的情形连续发生的次数是否超过预定次数;以及
在连续发生的次数超过所述预定次数时,调整所述测量误差协方差。
9.一种在车辆的车轮检测中调整卡尔曼滤波器的参数的装置,包括:
关联模块,用于将车辆的车轮检测数据与各自对应的车轮在所述车辆中的位置相关联;
估计模块,用于基于所述车轮检测数据和上述关联,估计所述车辆的车轮稳定指标,其中所述车轮稳定指标反映车轮检测的可靠性;以及
参数调整模块,用于根据所估计的车轮稳定指标,调整所述卡尔曼滤波器的测量误差协方差,
其中,所述参数调整模块包括:
比较单元,用于将所述车轮稳定指标与预定的稳定阈值进行比较;以及
调整单元,用于在所述车轮稳定指标不小于所述稳定阈值时,调整所述测量误差协方差,
其中,根据下列关系式调整所述测量误差协方差:
R=A(f(StableIndex)-f(StableIndexthreshold))+R0
其中,R表示调整后的测量误差协方差,A为常量,f(·)表示线性函数,StableIndex表示所述车轮稳定指标,StableIndexthreshold表示所述稳定阈值,R0表示初始测量误差协方差。
10.根据权利要求9所述的装置,其中,所述关联模块包括:
车轮标识单元,用于标识所述车轮在所述车辆中的位置;
确定单元,用于确定所述车轮所在的轴、转向架和车厢中的至少一个在所述车辆中的位置;以及
关联建立单元,用于在所述车轮检测数据、对应的车轮的位置以及该车轮所在的轴、转向架和车厢中的至少一个的位置之间建立关联。
11.根据权利要求10所述的装置,其中,所述估计模块包括:
轴/转向架/车厢稳定指标计算单元,用于基于所述车轮检测数据、对应的车轮的位置以及该车轮所在的轴、转向架和车厢中的至少一个的位置之间的关联,计算所述车轮的轴稳定指标、转向架稳定指标和车厢稳定指标中的至少一个;以及
车轮稳定指标计算单元,用于基于所述轴稳定指标、转向架稳定指标和车厢稳定指标中的至少一个,计算所述车轮稳定指标。
12.根据权利要求11所述的装置,其中,所述轴/转向架/车厢稳定指标计算单元包括:
车轮检测数据差计算单元,用于计算在同一个轴上的左右车轮之间的同轴车轮检测数据差的平均值;
车轮检测数据差偏离指标计算单元,用于基于所述同轴车轮检测数据差的平均值和预先确定的正常情况下的同轴车轮检测数据差的均值及方差,计算当前的同轴车轮检测数据差偏离指标,其中所述同轴车轮检测数据差偏离指标等于:同轴车轮检测数据差的平均值,减去正常情况下的同轴车轮检测数据差的均值,然后除以正常情况下的同轴车轮检测数据差的方差;以及
稳定指标确定单元,用于根据所述当前的同轴车轮检测数据差偏离指标,确定所述车轮的轴稳定指标。
13.根据权利要求11所述的装置,其中,所述轴/转向架/车厢稳定指标计算单元包括:
车轮检测数据差计算单元,用于计算在同一个转向架的各个轴上的左车轮之间的车轮检测数据差和右车轮之间的车轮检测数据差作为同转向架车轮检测数据差,以及计算所述同转向架车轮检测数据差的平均值;
车轮检测数据差偏离指标计算单元,用于基于所述同转向架车轮检测数据差的平均值和预先确定的正常情况下的同转向架车轮检测数据差的均值及方差,计算当前的同转向架车轮检测数据差偏离指标,其中所述同转向架车轮检测数据差偏离指标等于:同转向架车轮检测数据差的平均值,减去正常情况下的同转向架车轮检测数据差的均值,然后除以正常情况下的同转向架车轮检测数据差的方差;以及
稳定指标确定单元,用于根据所述当前的同转向架车轮检测数据差偏离指标,确定所述车轮的转向架稳定指标。
14.根据权利要求11所述的装置,其中,所述轴/转向架/车厢稳定指标计算单元包括:
车轮检测数据差计算单元,用于计算在同一个车厢的各个转向架上的左右车轮的车轮检测数据的平均值以及所述各个转向架之间的车轮检测数据差作为同车厢车轮检测数据差,以及计算所述同车厢车轮检测数据差的平均值;
车轮检测数据差偏离指标计算单元,用于基于所述同车厢车轮检测数据差的平均值和预先确定的正常情况下的同车厢车轮检测数据差的均值及方差,计算当前的同车厢车轮检测数据差偏离指标,其中所述同车厢车轮检测数据差偏离指标等于:同车厢车轮检测数据差的平均值,减去正常情况下的同车厢车轮检测数据差的均值,然后除以正常情况下的同车厢车轮检测数据差的方差;以及
稳定指标确定单元,用于根据所述当前的同车厢车轮检测数据差偏离指标,确定所述车轮的车厢稳定指标。
15.根据权利要求11所述的装置,其中,所述车轮稳定指标被所述车轮稳定指标计算单元计算为所述轴稳定指标、转向架稳定指标和车厢稳定指标的加权和,其中,所述轴稳定指标、转向架稳定指标和车厢稳定指标的权重在0至1的范围内,并且所述权重之和等于1。
16.根据权利要求15所述的装置,其中,所述参数调整模块还包括:
判断单元,用于在所述车轮稳定指标不小于所述稳定阈值时,判断车轮稳定指标不小于稳定阈值的情形连续发生的次数是否超过预定次数;
其中,所述调整单元用于在连续发生的次数超过预定次数时,调整所述测量误差协方差。
17.一种车辆的车轮检测系统,包括:
多个传感器,用于测量所述车辆的车轮的参数;
根据权利要求9至16任意一项所述的在车辆的车轮检测中调整卡尔曼滤波器的参数的装置;以及
卡尔曼滤波器,用于对根据所测量的车轮的参数,检测所述车轮的状态。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110032433.1A CN102620943B (zh) | 2011-01-30 | 2011-01-30 | 在车轮检测中调整卡尔曼滤波器的参数的方法及装置 |
US13/355,633 US8688314B2 (en) | 2011-01-30 | 2012-01-23 | Tuning parameter of kalman filter in a wheel inspection |
US13/590,788 US8818738B2 (en) | 2011-01-30 | 2012-08-21 | Tuning parameter of Kalman filter in a wheel inspection |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110032433.1A CN102620943B (zh) | 2011-01-30 | 2011-01-30 | 在车轮检测中调整卡尔曼滤波器的参数的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102620943A CN102620943A (zh) | 2012-08-01 |
CN102620943B true CN102620943B (zh) | 2015-06-03 |
Family
ID=46560992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110032433.1A Expired - Fee Related CN102620943B (zh) | 2011-01-30 | 2011-01-30 | 在车轮检测中调整卡尔曼滤波器的参数的方法及装置 |
Country Status (2)
Country | Link |
---|---|
US (2) | US8688314B2 (zh) |
CN (1) | CN102620943B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2808760B1 (en) * | 2013-05-29 | 2023-08-16 | Dassault Systèmes | Body posture tracking |
JP6545528B2 (ja) * | 2015-05-19 | 2019-07-17 | Ntn株式会社 | 車輪締結状態のサーバ利用判定装置 |
JP6502984B2 (ja) * | 2017-03-16 | 2019-04-17 | 株式会社Subaru | 車両の制御装置 |
KR102478124B1 (ko) * | 2017-12-05 | 2022-12-16 | 현대자동차주식회사 | 차량 구동휠 제어시스템 및 이를 이용한 차량 구동휠 제어방법 |
CN109255948B (zh) * | 2018-08-10 | 2021-04-09 | 昆明理工大学 | 一种基于卡尔曼滤波的分车道车流比例预测方法 |
CN110147642A (zh) * | 2019-06-12 | 2019-08-20 | 中国神华能源股份有限公司 | 货车轮对智能选配方法和装置 |
CN110555402A (zh) * | 2019-08-27 | 2019-12-10 | 北京纵目安驰智能科技有限公司 | 基于环视的拥堵跟车方法、系统、终端和存储介质 |
CN112902982B (zh) * | 2021-01-18 | 2023-11-17 | 惠州市德赛西威汽车电子股份有限公司 | 一种车辆行驶里程精确计算方法、系统及汽车 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5918951A (en) * | 1997-05-09 | 1999-07-06 | The B.F. Goodrich Company | Antiskid brake control system using kalman filtering |
CN1908612A (zh) * | 2006-05-29 | 2007-02-07 | 深圳市元征科技股份有限公司 | 汽车车轮定位检测方法及系统 |
CN101566528A (zh) * | 2008-04-24 | 2009-10-28 | 施耐宝仪器股份有限公司 | 参数检测系统 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6220676B1 (en) | 1997-05-09 | 2001-04-24 | The B. F. Goodrich Company | Antiskid control of multi-wheel vehicles using coupled and decoupled Kalman filtering incorporating pitch weight transfer |
SE511258C2 (sv) | 1998-01-27 | 1999-09-06 | Abb Daimler Benz Transp | Anordning för att uppskatta sidoacceleration hos ett rälsgående fordon |
DE19852229C2 (de) | 1998-11-12 | 2002-10-31 | Stn Atlas Elektronik Gmbh | Verfahren und Vorrichtung zur Aufdeckung von Schäden an Schienenfahrzeugen |
WO2000060322A1 (de) * | 1999-04-01 | 2000-10-12 | Siemens Schweiz Ag | Verfahren und vorrichtung zur überwachung der fahrgestelle von mehrachsigen fahrzeugen |
SE523023C2 (sv) * | 2000-04-12 | 2004-03-23 | Nira Dynamics Ab | Metod och anordning för att med rekursiv filtrering bestämma en fysikalisk parameter hos ett hjulfordon |
JP3926244B2 (ja) * | 2002-09-26 | 2007-06-06 | 株式会社島津製作所 | 撮影装置 |
US7236872B2 (en) * | 2003-11-24 | 2007-06-26 | General Motors Corporation | Speed sensor instability detection |
WO2005105536A1 (en) * | 2004-05-03 | 2005-11-10 | Sti Rail Pty Ltd | Train integrity network system |
CN100415584C (zh) * | 2005-02-04 | 2008-09-03 | 比亚迪股份有限公司 | 机动车制动防抱死的控制系统和方法 |
JP4240010B2 (ja) * | 2005-06-16 | 2009-03-18 | トヨタ自動車株式会社 | 車両用スタビライザシステム |
US7860635B2 (en) * | 2006-05-12 | 2010-12-28 | The United States Of America As Represented By The Secretary Of The Army | Singular value decomposition-based method for optimal estimation of turbofan engine thrust and other unmeasurable parameters |
JP2008164578A (ja) | 2006-12-06 | 2008-07-17 | Nsk Ltd | 物理量検出装置及び転動装置 |
FR2916409B1 (fr) | 2007-05-25 | 2009-08-21 | Snr Roulements Sa | Procede d'estimation d'un parametre de roulage d'un vehicule automobile au moyen d'un filtre de kalman |
GB2469239B (en) * | 2008-01-31 | 2012-09-26 | Fisher Rosemount Systems Inc | Robust adaptive model predictive controller with tuning to compensate for model mismatch |
DE102008048601A1 (de) * | 2008-09-23 | 2010-04-08 | Bombardier Transportation Gmbh | Verfahren zum Bestimmen einer Eigenschaft eines Fahrweglageparameters |
US8296065B2 (en) * | 2009-06-08 | 2012-10-23 | Ansaldo Sts Usa, Inc. | System and method for vitally determining position and position uncertainty of a railroad vehicle employing diverse sensors including a global positioning system sensor |
DE102009053801B4 (de) * | 2009-11-18 | 2019-03-21 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Verfahren und Einrichtung zur Zustandsüberwachung wenigstens einen Radsatz aufweisenden Drehgestells eines Schienenfahrzeugs |
US8548671B2 (en) * | 2011-06-06 | 2013-10-01 | Crown Equipment Limited | Method and apparatus for automatically calibrating vehicle parameters |
-
2011
- 2011-01-30 CN CN201110032433.1A patent/CN102620943B/zh not_active Expired - Fee Related
-
2012
- 2012-01-23 US US13/355,633 patent/US8688314B2/en not_active Expired - Fee Related
- 2012-08-21 US US13/590,788 patent/US8818738B2/en not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5918951A (en) * | 1997-05-09 | 1999-07-06 | The B.F. Goodrich Company | Antiskid brake control system using kalman filtering |
CN1908612A (zh) * | 2006-05-29 | 2007-02-07 | 深圳市元征科技股份有限公司 | 汽车车轮定位检测方法及系统 |
CN101566528A (zh) * | 2008-04-24 | 2009-10-28 | 施耐宝仪器股份有限公司 | 参数检测系统 |
Also Published As
Publication number | Publication date |
---|---|
US20120316727A1 (en) | 2012-12-13 |
US8818738B2 (en) | 2014-08-26 |
US8688314B2 (en) | 2014-04-01 |
US20120197485A1 (en) | 2012-08-02 |
CN102620943A (zh) | 2012-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102620943B (zh) | 在车轮检测中调整卡尔曼滤波器的参数的方法及装置 | |
EP3431359B1 (en) | Track state evaluation method, device, and program | |
CN104827963B (zh) | 一种用于车辆防撞智能预警的方法、控制系统以及控制装置 | |
JP5298712B2 (ja) | 感知器異常検出システム、方法、感知器異常検出装置及びコンピュータプログラム | |
CN102566421B (zh) | 机器状态监控中异常检测的条件相关性建模的系统和方法 | |
US11364923B2 (en) | Failure detection and response | |
RU2763414C1 (ru) | Способ и устройство для диагностики и контроля транспортных средств, компонентов транспортных средств и путей движения | |
CN110203254B (zh) | 列车定位系统中卡尔曼滤波器的安全检测方法 | |
CN104541123B (zh) | 用于求取安装在车辆上的轮胎的周长的方法和设备 | |
CN110203253A (zh) | 一种非固定式虚拟应答器实现方法 | |
CN105203130A (zh) | 一种基于信息融合的船舶组合导航系统故障诊断方法 | |
KR101544886B1 (ko) | 타이어 압력 모니터링 방법 및 시스템 | |
CN109808641A (zh) | 防盗告警方法及装置、电子设备和可读存储介质 | |
CN116968733B (zh) | 车辆安全风险评估方法及其装置、设备、介质 | |
CN108928367A (zh) | 一种列车车轮检测方法、装置及存储介质 | |
KR20170110988A (ko) | 철도차량 위치 측정 시스템 및 방법 | |
CN115447554A (zh) | 无人驾驶矿用车辆制动性能检测方法、装置、电子设备及存储介质 | |
CN112959859B (zh) | 驾驶提醒方法、装置、电子设备和存储介质 | |
CN111923963B (zh) | 一种列车定位方法及装置 | |
CN108944998A (zh) | 一种列车车轮检测及维护系统 | |
CN201000456Y (zh) | 车轮传感器信号智能化处理单元板 | |
JP2003205841A (ja) | トランスポンダ保守装置 | |
JP2003185466A (ja) | 距離係数算出装置 | |
JP7003833B2 (ja) | 車両計測装置及び車両計測方法 | |
CN110260880A (zh) | 列车行走公里计算方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150603 Termination date: 20210130 |