CN106650198A - 一种基于信息融合的轨道交通车辆速度计算方法及系统 - Google Patents
一种基于信息融合的轨道交通车辆速度计算方法及系统 Download PDFInfo
- Publication number
- CN106650198A CN106650198A CN201610789253.0A CN201610789253A CN106650198A CN 106650198 A CN106650198 A CN 106650198A CN 201610789253 A CN201610789253 A CN 201610789253A CN 106650198 A CN106650198 A CN 106650198A
- Authority
- CN
- China
- Prior art keywords
- speed
- wheel
- locomotive
- fault
- fusion
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于信息融合的轨道交通车辆速度计算方法及系统,该方法包括:S1.获取机车各被测车轮的速度;S2.对所述各被测车轮的速度进行数据融合,计算得到融合机车速度。该系统包括速度采集模块和数据融合模块。本发明提供一种仅仅使用动力轴上的速度传感器获取轨道交通车辆的速度,并且可以对速度传感器进行故障隔离与恢复,消除因空转或滑行对轨道交能车辆速度估计造成的影响,消除电磁干扰噪声影响,具有算法简单高效、速度计算精度高等优点。
Description
技术领域
本发明涉及轨道交通车辆速度计算领域,尤其涉及一种基于信息融合的轨道交通车辆速度计算方法及系统。
背景技术
在目前的轨道交通车辆应用领域,车速的获取基本依靠两大类:
一、一般在轨道交通车辆应用领域,在没有雷达,惯性导航设别等附属设备情况下,利用动力轴角速度传感器获取轴的角速度,滤波后,利用轮径计算速度。并且利用多个轴的速度,通过逻辑计算得到车速。根据目前的文献可以得知,确定参考车速的方法有最大轮速,最小轮速法,斜率法,综合法等。但是,传感器可能发生故障,在传统的参考速度对故障的处理通常不足,不能可靠的排除故障传感器的信号污染;传感器的类型相同,所以无法排除由于非故障工况造成的干扰,比如空转或者滑行。
二、有些高性能轨道交通车辆控制中,引入雷达,惯性导航设备,GPS等附属设备,计算轨道交通车辆速度。利用上述非接触的传感器信号获取加速度或者速度信号,综合利用轴端角速度传感器信号,利用卡尔曼滤波等算法计算参考车速。轨道交通车辆参考速度计算精度有所提高,可以排除空转/滑行的干扰,但是增加车辆成本,算法也变得相对复杂。并且,雷达在低速的时候测量效果不佳,容易受到外界干扰;加速度传感器在计算车速的有累计误差,和角速度传感器或者其他设备必须配合使用;GPS容易受到应用条件的干扰,比如隧道等工况。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种仅仅使用动力轴上的速度传感器获取轨道交通车辆的速度,并且可以对速度传感器进行故障隔离与恢复,消除因空转或滑行对轨道交通车辆速度估计造成的影响,消除电磁干扰噪声影响,算法简单高效、速度计算精度高的基于信息融合的轨道交通车辆速度计算方法。
为解决上述技术问题,本发明提出的技术方案为:一种基于信息融合的轨道交通车辆速度计算方法,包括如下步骤:
S1.获取机车各被测车轮的速度;
S2.对所述各被测车轮的速度进行数据融合,计算得到融合机车速度。
作为本方法的进一步改进,在所述步骤S1之后,还包括对所述各被测车轮的速度进行故障隔离与恢复的步骤S1a:
S1a.判断被测车轮的速度与机车速度之间差值大于预设的故障门槛值的持续时间是否大于预设的故障时间门槛值,是则判断该车轮故障,将该车轮进行故障隔离;
判断被故障隔离的车轮的速度与机车速度之间的差值小于等于预设的故障门槛值的持续时间是否大于预设的恢复时间门槛值,是则判断该车轮恢复正常,解除故障隔离。
作为本方法的进一步改进,所述预设的故障时间门槛值为在预设区间的一个可变值,并且所述预设的故障时间门槛值与所述被测车轮的速度与机车速度之间差值成倒数正相关关系;
所述预设的恢复时间门槛值为在预设区间的一个可变值,并且所述预设的恢复时间门槛值与所述被测车轮的速度与机车速度之间差值成倒数正相关关系。
作为本方法的进一步改进,所述步骤S2中的数据融合的融合算法为加权融合算法。
作为本方法的进一步改进,所述加权融合算法如式(1)所示,
式(1)中,v为信息融合后机车的速度值,Nbe为正常的车轮的数量,vdelta_i为被测车轮的速度与机车速度之间的差值,vi为第i个正常的被测车轮的速度。
作为本方法的进一步改进,在所述步骤S2之后还包括步骤S3:对所述融合机车速度进行滤波,得到最终机车速度;所述滤波优选为卡尔曼滤波。
一种基于信息融合的轨道交通车辆速度计算系统,包括速度采集模块和数据融合模块;所述速度采集模块用于获取机车各被测车轮的速度;所述数据融合模块用于对所述各被测车轮的速度进行数据融合,计算得到融合机车速度。
作为本系统的进一步改进,还包括故障隔离模块;所述故障隔离模块用于判断被测车轮的速度与机车速度之间差值大于预设的故障门槛值的持续时间是否大于预设的故障时间门槛值,是则判断该车轮故障,将该车轮进行故障隔离;判断被故障隔离的车轮的速度与机车速度之间的差值小于等于预设的故障门槛值的持续时间是否大于预设的恢复时间门槛值,是则判断该车轮恢复正常,解除故障隔离。
作为本系统的进一步改进,所述数据融合模块采用的融合算法为加权融合算法。
作为本系统的进一步改进,还包括滤波模块,所述滤滤模块用于对所述融合机车速度进行滤波,得到最终机车速度。
与现有技术相比,本发明的优点在于:
1、本发明仅仅使用动力轴上的速度传感器获取轨道交通车辆的速度,并且可以对速度传感器进行故障隔离与恢复,消除因空转或滑行对轨道交能车辆速度估计造成的影响,具有算法简单高效、速度计算精度高的优点。
2、本发明不需要增加额外的硬件设备,安装部署方便,实现成本低。
附图说明
图1为本发明具体实施例流程示意图。
图2为本发明具体实施例故障隔离流程示意图。
图3为本发明具体实施例故障隔离流程示意图。
图4为本发明具体实施例结构示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
如图1所示,本实施例基于信息融合的轨道交通车辆速度计算方法,包括如下步骤:S1.获取机车各被测车轮的速度;S2.对各被测车轮的速度进行数据融合,计算得到融合机车速度。
在本实施例中,在步骤S1之后,还包括对各被测车轮的速度进行故障隔离与恢复的步骤S1a:S1a.判断被测车轮的速度与机车速度之间差值大于预设的故障门槛值的持续时间是否大于预设的故障时间门槛值,是则判断该车轮故障,将该车轮进行故障隔离;判断被故障隔离的车轮的速度与机车速度之间的差值小于等于预设的故障门槛值的持续时间是否大于预设的恢复时间门槛值,是则判断该车轮恢复正常,解除故障隔离。
在本实施例中,预设的故障时间门槛值为在预设区间的一个可变值,并且预设的故障时间门槛值与被测车轮的速度与机车速度之间差值成倒数正相关关系;预设的恢复时间门槛值为在预设区间的一个可变值,并且预设的恢复时间门槛值与被测车轮的速度与机车速度之间差值成倒数正相关关系。
在本实施例中,被测车轮的速度与机车速度之间差值为Vdelta_i=|vi-vloco|,vi为第i个正常的被测车轮的速度,vloco为机车速度。预设的故障时间门槛值Tgate为一个在预设的区间[Tmin,Tmax]内的可变值,并且满足其中,A和B均为预设的参数值,即当Vdelta_i越大,Tgate越小;Vdelta_i越小,Tgate越大。预设的恢复时间门槛值Tgate1为一个在预设的区间[Tmin1,Tmax1]内的可变值,并且满足其中,A1和B1均为预设的参数值,即当Vdelta_i越大,Tgate1越小;Vdelta_i越小,Tgate1越大。
根据机车的速度与加速度之间的关系,当然,故障判断和恢复可以根据各个轮对的速度值vi与车辆速度vloco之间的偏差进行判断,也可以通过各个轮对的加速度ai与车辆加速度aloco的偏差进行判断,也可两者结合进行判断。
在本实施例中,步骤S2中的数据融合的融合算法为加权融合算法。加权融合算法如式(1)所示,
式(1)中,v为信息融合后机车的速度值,Nbe为正常的车轮的数量,vdelta_i为被测车轮的速度与机车速度之间的差值。其中,Vdelta_i=|vi-vloco|,vi为第i个正常的被测车轮的速度,vloco为机车速度。
在本实施例中,在步骤S2之后还包括步骤S3:对融合机车速度进行滤波,得到最终机车速度。步骤S3中的滤波为卡尔曼滤波。
本实施例中,通过安装在机车轮对轴端的角速度传感器获取机车轮对的角速度传感器信号,并通过信号连接硬线发送至牵引控制装置,角速度传感器信号在牵引控制装置中使用,通过角速度传感器信号计算得到线速度信号。通过角速度计算线速度的方法如式(2)所示,
vi=wi×R (2)
式(2)中,vi为轮缘线速度,wi为传感器采集的角速度,R为轨道交通车辆车轮半径。轨道交通车辆的车轮半径在使用过程中由于制造误差和磨损,是变化的。所以轨道交通车辆的车轮半径可以通过轨道交通车辆的其他设备或自动校正或者是人工输入的动态半径值。
由于轨道交通车辆运用电磁环境恶劣,震动大,速度传感器有可能会有故障。虽然信息融合算法可以减少故障信号的干扰,但是还是会污染到融合后的传感器观测值。所以需要对速度传感器信号做故障判断,通过隔离,在信息融合中排除故障信号的干扰,达到正确获取轨道交通车辆速度的目的。
如图2所示,设通过机车角速度传感器计算得到的线速度为vi,机车的速度为vloco,则可以计算通过传感器获得的机车速度与机车的速度差为Vdelta_i=|vi-vloco|,当该速度差大于预设的故障门槛值时,通过计数器开始计数,否则将计数器复位,当计数器所启示录的该速度差大于预设的故障门槛值的持续时间超过预设的故障时间门槛值时,则将该速度对应的角速度传感器标记为故障,进行故障隔离。如图3所示,对于已经被故障隔离的车轮的角速度传感器计算得到的线速度vi,同样需要计算该线速度与机车速度之差,当该速度差小于等于预设的故障门槛值时,启动计数器开始计数,当该速度差小于等于预设的故障门槛值的持续时间超过预设的恢复时间门槛值时,则将该速度对应的角速度传感器标记为正常,即从故障状态恢复为正常状态。
在本实施例中,以所有正常的角速度传感器计算得到的线速度作为基础数据,通过如式(1)所示的加权算法进行数据融合,得到融合机车速度。在信号的产生及传输过程中,不可避免会引及噪声,因此,对于融合机车速度,需要进行滤波以滤除噪声信号。在本实施例中,采用卡尔曼滤波器对融合机车速度进行滤波。相对于现有技术中所采用的集中式卡尔曼滤波,即对每个牵引控制装置获取的轮对速度或加速度信息,通过卡尔曼滤波器进行滤波。但是集中式卡尔曼滤波具有以下致命缺点:1、集中式卡尔曼滤波器的计算量随着其维数的增加成3次方级数增加,容易导致“维数灾难”,从而不利于实时计算;2、集中式卡尔曼滤波器将各导航系统的输出统一处理,各系统间容易互相影响,不利于系统故障的诊断,隔离;3、即便某系统诊断出故障并隔离成功,在其成功修复并企图融入系统时需要将整个系统初始化,因此对系统的重构复杂。针对集中式卡尔曼滤波的缺点,在本实施例中,采用基于信息融合的卡尔曼波滤算法,对经过信息融合后的融合机车速度进行卡尔曼滤波,降低了卡尔曼滤波算法的维度,并根据速度传感器的速度信号的可信程度动态调整融合权值,减少噪声、故障以及空转滑行对轨道交通车辆速度估计造成的影响。
在本实施例中,信息融合后机车的速度值v在传输过程中,不可避免的会引入噪声,因此,需要对信息融合后机车的速度值v进行滤波,以消除噪声。在本实施例中,采用卡尔曼滤波算法对信息融合后机车的速度值v进行滤波,输出卡尔曼滤波后的机车速度值vloco,以及机车的加速度并作为卡尔曼滤波的反馈量。
如图4所示,本实施例基于信息融合的轨道交通车辆速度计算系统,包括速度采集模块和数据融合模块;速度采集模块用于获取机车各被测车轮的速度;数据融合模块用于对各被测车轮的速度进行数据融合,计算得到融合机车速度。
在本实施例中,还包括故障隔离模块;故障隔离模块用于判断被测车轮的速度与机车速度之间差值大于预设的故障门槛值的持续时间是否大于预设的故障时间门槛值,是则判断该车轮故障,将该车轮进行故障隔离;判断被故障隔离的车轮的速度与机车速度之间的差值小于等于预设的故障门槛值的持续时间是否大于预设的恢复时间门槛值,是则判断该车轮恢复正常,解除故障隔离。数据融合模块采用的融合算法为加权融合算法,加权融合算法如式(1)所示。
在本实施例中,还包括滤波模块,滤滤模块用于对融合机车速度进行滤波,得到最终机车速度。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
Claims (10)
1.一种基于信息融合的轨道交通车辆速度计算方法,其特征在于,包括如下步骤:
S1.获取机车各被测车轮的速度;
S2.对所述各被测车轮的速度进行数据融合,计算得到融合机车速度。
2.根据权利要求1所述的基于信息融合的轨道交通车辆速度计算方法,其特征在于:在所述步骤S1之后,还包括对所述各被测车轮的速度进行故障隔离与恢复的步骤S1a:
S1a.判断被测车轮的速度与机车速度之间差值大于预设的故障门槛值的持续时间是否大于预设的故障时间门槛值,是则判断该车轮故障,将该车轮进行故障隔离;
判断被故障隔离的车轮的速度与机车速度之间的差值小于等于预设的故障门槛值的持续时间是否大于预设的恢复时间门槛值,是则判断该车轮恢复正常,解除故障隔离。
3.根据权利要求2所述的基于信息融合的轨道交通车辆速度计算方法,其特征在于:所述预设的故障时间门槛值为在预设区间的一个可变值,并且所述预设的故障时间门槛值与所述被测车轮的速度与机车速度之间差值成倒数正相关关系;
所述预设的恢复时间门槛值为在预设区间的一个可变值,并且所述预设的恢复时间门槛值与所述被测车轮的速度与机车速度之间差值成倒数正相关关系。
4.根据权利要求3所述的基于信息融合的轨道交通车辆速度计算方法,其特征在于:所述步骤S2中的数据融合的融合算法为加权融合算法。
5.根据权利要求4所述的基于信息融合的轨道交通车辆速度计算方法,其特征在于:所述加权融合算法如式(1)所示,
式(1)中,v为信息融合后机车的速度值,Nbe为正常的车轮的数量,vdelta_i为被测车轮的速度与机车速度之间的差值,vi为第i个正常的被测车轮的速度。
6.根据权利要求1至5中任一项所述的基于信息融合的轨道交通车辆速度计算方法,其特征在于:在所述步骤S2之后还包括步骤S3:对所述融合机车速度进行滤波,得到最终机车速度;所述滤波优选为卡尔曼滤波。
7.一种基于信息融合的轨道交通车辆速度计算系统,其特征在于:包括速度采集模块和数据融合模块;所述速度采集模块用于获取机车各被测车轮的速度;所述数据融合模块用于对所述各被测车轮的速度进行数据融合,计算得到融合机车速度。
8.根据权利要求7所述的基于信息融合的轨道交通车辆速度计算系统,其特征在于:还包括故障隔离模块;所述故障隔离模块用于判断被测车轮的速度与机车速度之间差值大于预设的故障门槛值的持续时间是否大于预设的故障时间门槛值,是则判断该车轮故障,将该车轮进行故障隔离;判断被故障隔离的车轮的速度与机车速度之间的差值小于等于预设的故障门槛值的持续时间是否大于预设的恢复时间门槛值,是则判断该车轮恢复正常,解除故障隔离。
9.根据权利要求8所述的基于信息融合的轨道交通车辆速度计算系统,其特征在于:所述数据融合模块采用的融合算法为加权融合算法。
10.根据权利要求7至9任一项所述的基于信息融合的轨道交通车辆速度计算系统,其特征在于:还包括滤波模块,所述滤滤模块用于对所述融合机车速度进行滤波,得到最终机车速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610789253.0A CN106650198A (zh) | 2016-08-31 | 2016-08-31 | 一种基于信息融合的轨道交通车辆速度计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610789253.0A CN106650198A (zh) | 2016-08-31 | 2016-08-31 | 一种基于信息融合的轨道交通车辆速度计算方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106650198A true CN106650198A (zh) | 2017-05-10 |
Family
ID=58852779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610789253.0A Pending CN106650198A (zh) | 2016-08-31 | 2016-08-31 | 一种基于信息融合的轨道交通车辆速度计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106650198A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109131342A (zh) * | 2018-08-28 | 2019-01-04 | 株洲中车时代电气股份有限公司 | 加速度传感器和轮轴速度传感器的融合测速方法及装置 |
CN110579619A (zh) * | 2018-06-07 | 2019-12-17 | 高德信息技术有限公司 | 车辆测速、定位方法和装置以及电子设备 |
CN114750804A (zh) * | 2022-06-06 | 2022-07-15 | 中车青岛四方车辆研究所有限公司 | 基于信号车辆融合测速的车速测量方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105083373A (zh) * | 2015-06-15 | 2015-11-25 | 南京航空航天大学 | 一种基于参数估计的线控转向路感装置及其控制方法 |
CN105372656A (zh) * | 2015-08-31 | 2016-03-02 | 首都师范大学 | 一种表述地面沉降空间演化趋势的方法 |
CN105426679A (zh) * | 2015-11-20 | 2016-03-23 | 株洲南车时代电气股份有限公司 | 一种基于故障隔离与恢复算法的机车速度计算方法 |
-
2016
- 2016-08-31 CN CN201610789253.0A patent/CN106650198A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105083373A (zh) * | 2015-06-15 | 2015-11-25 | 南京航空航天大学 | 一种基于参数估计的线控转向路感装置及其控制方法 |
CN105372656A (zh) * | 2015-08-31 | 2016-03-02 | 首都师范大学 | 一种表述地面沉降空间演化趋势的方法 |
CN105426679A (zh) * | 2015-11-20 | 2016-03-23 | 株洲南车时代电气股份有限公司 | 一种基于故障隔离与恢复算法的机车速度计算方法 |
Non-Patent Citations (1)
Title |
---|
包瑞新: "车辆姿态多传感器检测系统与信息融合算法研究", 《中国优秀博士学位论文全文数据库 (农业科技辑)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110579619A (zh) * | 2018-06-07 | 2019-12-17 | 高德信息技术有限公司 | 车辆测速、定位方法和装置以及电子设备 |
CN109131342A (zh) * | 2018-08-28 | 2019-01-04 | 株洲中车时代电气股份有限公司 | 加速度传感器和轮轴速度传感器的融合测速方法及装置 |
CN109131342B (zh) * | 2018-08-28 | 2020-03-31 | 株洲中车时代电气股份有限公司 | 加速度传感器和轮轴速度传感器的融合测速方法及装置 |
CN114750804A (zh) * | 2022-06-06 | 2022-07-15 | 中车青岛四方车辆研究所有限公司 | 基于信号车辆融合测速的车速测量方法及系统 |
CN114750804B (zh) * | 2022-06-06 | 2023-05-09 | 中车青岛四方车辆研究所有限公司 | 基于信号车辆融合测速的车速测量方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103592122B (zh) | 城市轨道交通列车走行部故障诊断设备及方法 | |
JP5525404B2 (ja) | 鉄道車両の状態監視装置及び状態監視方法、並びに鉄道車両 | |
CN204556257U (zh) | 一种铁路车辆滚动轴承声学诊断装置 | |
DE19580682B4 (de) | Einrichtung und Verfahren zum Detektieren von Defektzuständen in Schienenfahrzeugrädern und Gleiswegen | |
CN105424364A (zh) | 列车轴承故障的诊断方法和装置 | |
CN107054404B (zh) | 一种列车轮对轮径自动校验方法及装置 | |
CN106650198A (zh) | 一种基于信息融合的轨道交通车辆速度计算方法及系统 | |
CN103738355B (zh) | 一种测速系统 | |
CN101850772A (zh) | 一种钢轨波磨车载监测装置及其监测方法 | |
CN202057331U (zh) | 基于多点测速方法的列车故障轨边图像检测设备 | |
CN104155968A (zh) | 一种针对高速列车悬架系统执行器的微小故障诊断方法 | |
AU2015264781B2 (en) | System for monitoring the operating conditions of a train | |
CN105929025A (zh) | 一种基于时间与空间连续的车轮踏面与轨道故障检测方法 | |
CN109703600A (zh) | 一种计算列车轮径偏差的方法、系统和一种列车 | |
Mori et al. | Development of compact size onboard device for condition monitoring of railway tracks | |
CN104318780A (zh) | 考虑气象因素、道路线形因素的高速公路事件检测方法 | |
CN104832299B (zh) | 一种高油耗驾驶状态判定方法、设备及系统 | |
CN103914889B (zh) | 一种对车辆速度的采集行为进行异常检测的系统及方法 | |
CN109489998A (zh) | 一种车载式声学检测系统 | |
WO2005015326A1 (en) | System for monitoring the working condition of an installation | |
CN106994986A (zh) | 基于单侧计轴传感器的列车行驶速度及行驶方向的检测方法 | |
CN106649951A (zh) | 一种基于轮轴测速的列车速度计算方法 | |
CN108528475B (zh) | 一种基于多级融合的轨道高低不平顺故障报警方法 | |
CN111380708A (zh) | 列车轴抱死故障诊断方法及列车轴抱死故障诊断系统 | |
CN108981906A (zh) | 一种轨道波磨故障综合诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |
|
RJ01 | Rejection of invention patent application after publication |