CN109522591A - 一种应用于中高速磁浮列车的数据融合方法 - Google Patents
一种应用于中高速磁浮列车的数据融合方法 Download PDFInfo
- Publication number
- CN109522591A CN109522591A CN201811176070.7A CN201811176070A CN109522591A CN 109522591 A CN109522591 A CN 109522591A CN 201811176070 A CN201811176070 A CN 201811176070A CN 109522591 A CN109522591 A CN 109522591A
- Authority
- CN
- China
- Prior art keywords
- speed
- method described
- magnetic
- noise
- filtering
- 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
- 238000005339 levitation Methods 0.000 title claims abstract description 13
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 29
- 238000007667 floating Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims 4
- 239000000725 suspension Substances 0.000 abstract description 20
- 238000013459 approach Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000006698 induction Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 108700012928 MAPK14 Proteins 0.000 description 1
- 102000012500 Proto-Oncogene Proteins c-crk Human genes 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 235000021017 pears Nutrition 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or vehicle trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or vehicle trains
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明公开了一种应用于中高速磁浮列车的数据融合方法。本发明的目的本发明的目的是为了解决现有技术中的磁悬浮测速定位系统方法检测精度不够，噪声过多，无法得到精确的实时速度的问题。本发明完成了对中高速磁悬浮测速定位系统的滤波，且应用的滤波方案便于使用且不受环境影响，便于仿真，且精度具有较大的提升。
Description
技术领域
本发明涉及一种应用于中高速磁浮列车的数据融合方法。
背景技术
近年来，我国轨道交通行业发展迅速，磁悬浮已经成为很多城市轨道交通的建设重点和热点之一，近来年，建设了诸如长沙黄花机场-长沙高铁南站等磁悬浮专线。由此可见，磁悬浮已经慢慢发展成为城市轨道交通建设的重要一环对于中速磁悬浮(最高时速为120-200km)，目前由湖南省政府与国防科技大学联合成立的湖南省磁浮技术研究中心正在对160km/h时速的中速磁浮进行研发；对于高速磁悬浮(最高时速在 200km以上)，国家从“十五”开始，对高速磁浮的研发进行重点扶持，2010年4月，国家磁浮中心进行总体设计，成都飞机公司制造了首节国产高速磁浮列车。对于超高速磁浮(最高时速在500km以上)，我国的中车集团在国家重点研发计划的支持下，已着手进行超高速磁浮的关键技术研究。1934年，德国工程师赫尔曼·肯佩尔申请了磁悬浮的首次专利；1977年，德国已开发出各种类型的磁悬浮系统，并决定选择长定子驱动和电磁悬浮系统的技术路线(即后来上海高速磁浮采用的Transrapid系统)。日本方面，2005 年开通世界首条中低速磁浮运营线路。2015年山梨试验线(超导高速磁浮)跑到时速603km，正在修建时速505km的高速磁浮中央新干线。韩国2016年仁川机场中低速磁浮线，开始在仁川机场至龙游车辆基地区间进行试运行，磁悬浮相关技术作为近年来的热门轨道交通事业研究内容引起了社会的广泛讨论与研究。其中，提高其测速定位精度问题成为其重要的研究方向之一，本专利就如何提高磁悬浮测速定位精度问题提出了应用方法新思路。
发明内容
本发明的目的是为了解决现有技术中的磁悬浮测速定位系统方法检测精度不够，噪声过多，无法得到精确的实时速度的问题。
本发明的技术方案是：
根据磁浮列车运动速度规律搭建simulink仿真模型；根据滤波算法，进行编程；建立噪声模型，引入列车运动速度模型；根据所述的运动速度轨迹整体进行simulink仿真并得到结果。
目前在磁浮列车上主要使用的定位方法是1)感应定子磁极测速。利用感应到的定子磁极信号源，速度低时通过信号上升沿和下降沿测算速度，速度高时通过计数接收脉冲测算速度。(2)感应编码器绝对定位。在轨道沿线间隔一定距离安装一个感应编码器信号源，实现对列车的绝对定位，在两个感应编码器区间则依靠累积感应长定子磁极测速的积分来实现相对定位。这两种方法目前来说易损耗且消费和维护成本较高，实时速度与连续位置信号对于磁浮列车的牵引控制以及运行控制都是极为重要的参数，但单一的速度和位置信号来源，难以满足系统可靠性需求；另一方面，磁悬浮系统存在车轨距离加大，电磁耦合精度降低，且运行速度较快的问题，传统的轨道电路方法难以满足高精度测量要求。利用脉宽编码式绝对定位器实现磁悬浮列车的绝对定位，优点在于磁浮列车绝对定位完全独立工作，不受外界因素干扰，能可靠，实时的获得列车位置信息，这一点具有参考意义。然而此文章中提出的方案，修正误差值不够精准，达不到高精度要求。
在此基础上，提出拟采用组合导航系统进行定位测速，即北斗—惯导组合导航系统。组合导航具有高精度，高可靠性，高自动化性等优点。但是惯导系统由于其导航信息由积分过程获得，定位误差随时间增大导致得到的结果不精准。如何减小误差获得更加准确的信息成为我们研究的目标。
传统使用的减小误差的方法主要是使用递推法，最小二乘法，这些方法除了计算繁琐不便仿真且精度不高。卡尔曼滤波在电力系统上的应用给我们提供了一种思路，是否可以将卡尔曼滤波应用到磁悬浮列车定位系统上，所以如何将卡尔曼滤波应用到磁悬浮列车测速定位系统上以及如何将卡尔曼滤波算法进行优化达到高精度要求或者结合其他优化方法达到提高精度要求成为本文主要研究的方向。相对于传统方法，基于新息的自适应卡尔曼滤波便于使用且不受环境影响，便于仿真，且精度具有较大的提升。本专利将基于新息的自适应卡尔曼滤波引入中速磁悬浮速度传感器，用于解决传入速度传感器的数据精度不够的问题，并进行了实验仿真验证。
具体实施方式
下面将结合附图说明本发明的具体实施方式，应当理解附图中示出和描述的实施方式仅是示例性的，意在阐述本发明的原理和方法，而并非限制本发明的范围。
本发明所述的一种中高速磁悬浮测速定位的滤波方法。图1示出了本发明所述的中速磁悬浮的滤波方法原理图，由图我们需先搭建起速度模型，速度模型如下所示：
通过对列车运行速度分析，以及对现场采样，我们可以初步搭建出磁悬浮列车运行时速度变化的模型与公式。如下列公式所示：
v＝t(t＜60),(3.3.1)
v＝60(60≤t＜120),(3.3.2)
v＝0.33t+20(120≤t＜180),(3.3.3)
v＝80,(180≤t＜240),(3.3.4)
v＝280-0.833t(240≤t＜300),(3.3.5)
v＝30(300≤t＜360),(3.3.6)
v＝150-0.333t(360≤t＜420),(3.3.7)
v＝33.33-0.056t(t＞420),(3.3.8)
图2示出了所述检测方法中磁悬浮的受力分析图。可以理解，图2所示的流程图仅是示意性的，其中的步骤可以省略和/或增加其他步骤。可根据此搭建模型与算法，其经典算法如下所示。
所述多路程序并行处理为在算法设计层面上设置各支路之间检测算法的一致性，程序执行设计中进行多路数据并行处理，其经典滤波算法如下所描述：卡尔曼滤波是一种利用反馈控制的方法估计过程状态的一种滤波算法：滤波器估计过程某一时刻的状态，然后以(含噪声的)测量变量的方式获得反馈。卡尔曼滤波主要分为两个部分：时间更新方程和测量更新方程。其中，时间更新方程负责及时向前推算当前状态和误差协方差估计的值，以便于下一个时间状态构造和先验估计。测量更新方程负责反馈，即将先验估计和新的测量变量结合以构造改进后的后验估计。具体方程如下所示：
Xk -＝AXk-1+Buk-1, (1)
Pk -＝APk-1AT+Q, (2)
Kk＝Pk -HT(HPk -HT+R)-1, (3)
Xk＝Xk -+Kk(Zk-HXk -), (4)
Pk＝(I-KkH)Pk -, (5)
Mk＝Zk-HXk -, (6)
其中公式1和2表示时间更新方程。公式3，4，5表示测量更新方程。测量更新方程首先做的是计算卡尔曼增益Kk，然后测量输出以获得Zk，然后按照1.6公式计算出后验估计，再按照5公式计算后验协方差。计算完时间更新方程和测量更新方程，整个过程再重复。上一次计算得到的后验估计被作为下一次计算的先验估计，一次递推得到完整的数据。其中式6为预报残差，通常称为新息。
图3示出了应用本发明的改进算法实现的示意图，可以理解，图3所示的示意图仅是示意性的，其中的部分可以省略和/或增加其他功能。图3示出附加功能其具体算法如下所示：
Xk＝Xk,k-1+KkMk, (7)
Kk＝Pk,k-1Hk TCrk -1, (8)
Pk,k-1＝APk-1AT+Qk, (9)
Pk＝(I-KkHk)Pk,k-1, (10)
Crk＝(HPk -1HT+R), (11)
取长度为K-M长度的Crk-1的滑动采样方差最优估计C^rk为：
且将式12代入式8可得新的增益方程：
本发明的一种磁悬浮测速定位信号滤波方法利用自适应算法处理非定值问题和滤波精度的优势，对中高速磁悬浮测速定位系统进行提高精度的操作，不仅保证了比较高的精确度，还保证了实时纠正性，自适应性，强滤波强跟随性。。
此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行完全部操作才能实现预期的结果。相反，可以通过省略某些步骤、将多个步骤合为一个步骤或者将一个步骤分解为多个步骤来实现原有的功能。
附图说明
图1，本发明所述的中速磁悬浮的滤波方法原理图
图2，本发明的磁悬浮受力分析图
图3，本发明的磁悬浮测速定位系统滤波方法实现示意图。
Claims (7)
1.一种应用于中高速磁浮列车的数据融合方法，包括：
根据磁浮列车运动速度规律搭建simulink仿真模型；根据滤波算法，进行编程；建立噪声模型，引入列车运动速度模型；根据所述的运动速度轨迹整体进行simulink仿真并得到结果。
2.根据权利要求1所述的方法，其中，使用matlab工具进行滤波算法编写并将其模块嵌入simulink模块。
3.根据权利要求1所述的方法，其中，对列车行驶进行模拟，生成一个参考二维曲线，使其作为线性方程进行输入，从而达到实际应用要求。
4.根据权利要求1所述的方法，其中，滤波方法中状态方程为：
Xk＝φk,k-1Xk-1+Γk-1Wk-1。量测方程为：Zk＝HkXk+Vk。其中Xk为n×1维状态量；
Φk,k-1为一步转移矩阵；Γk-1为系统噪声驱动矩阵；Wk-1为tk-1到tk时刻的系统噪声矩阵；
Zk为观测量；Hk为量测矩阵；Vk为量测噪声矩阵。
5.根据权利要求1所述的方法，其中，在算法设计层面上应注意设计初始量，且可用于调整曲线变化。
6.根据权利要求1所述的方法，其中，为了加快滤速度，将从大量检测样本总结出磁悬浮车辆所遇到的噪声问题，从而设计噪声变量的协方差，从而更好地适配。
7.根据权利要求1所述的方法，其中，滤波效果能达到基本滤除噪声干扰量的目的，得到曲线图更接近原始曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811176070.7A CN109522591A (zh) | 2018-10-10 | 2018-10-10 | 一种应用于中高速磁浮列车的数据融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811176070.7A CN109522591A (zh) | 2018-10-10 | 2018-10-10 | 一种应用于中高速磁浮列车的数据融合方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109522591A true CN109522591A (zh) | 2019-03-26 |
Family
ID=65770081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811176070.7A Pending CN109522591A (zh) | 2018-10-10 | 2018-10-10 | 一种应用于中高速磁浮列车的数据融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109522591A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111547105A (zh) * | 2020-04-09 | 2020-08-18 | 同济大学 | 一种用于中低速磁浮列车的非接触测速定位方法 |
| CN111854742A (zh) * | 2020-07-15 | 2020-10-30 | 中南大学 | 基于多源信息融合的移动物体的测速定位方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107621264A (zh) * | 2017-09-30 | 2018-01-23 | 华南理工大学 | 车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法 |
| CN107894232A (zh) * | 2017-09-29 | 2018-04-10 | 湖南航天机电设备与特种材料研究所 | 一种gnss/sins组合导航精确测速定位方法及系统 |
| WO2018152899A1 (zh) * | 2017-02-22 | 2018-08-30 | 中车株洲电力机车研究所有限公司 | 一种安全可靠的实时测速和连续定位的方法、装置及系统 |
-
2018
- 2018-10-10 CN CN201811176070.7A patent/CN109522591A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018152899A1 (zh) * | 2017-02-22 | 2018-08-30 | 中车株洲电力机车研究所有限公司 | 一种安全可靠的实时测速和连续定位的方法、装置及系统 |
| CN107894232A (zh) * | 2017-09-29 | 2018-04-10 | 湖南航天机电设备与特种材料研究所 | 一种gnss/sins组合导航精确测速定位方法及系统 |
| CN107621264A (zh) * | 2017-09-30 | 2018-01-23 | 华南理工大学 | 车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈特放 等: "中低速磁悬浮列车测速定位中的滤波方法研究", 《现代城市轨道交通》, no. 06, 20 June 2018 (2018-06-20), pages 1 - 4 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111547105A (zh) * | 2020-04-09 | 2020-08-18 | 同济大学 | 一种用于中低速磁浮列车的非接触测速定位方法 |
| CN111547105B (zh) * | 2020-04-09 | 2021-05-11 | 同济大学 | 一种用于中低速磁浮列车的非接触测速定位方法 |
| CN111854742A (zh) * | 2020-07-15 | 2020-10-30 | 中南大学 | 基于多源信息融合的移动物体的测速定位方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100357706C (zh) | 一种沿轨道移动物体位置和速度的检测方法 | |
| CN102175463B (zh) | 一种基于改进卡尔曼滤波的汽车路试制动性能检测方法 | |
| CN103256937B (zh) | 路径匹配的方法及装置 | |
| CN110532636A (zh) | 一种面向多场景的智能驾驶自主车道保持性能检测方法 | |
| CN106134434B (zh) | 一种用于车载导航定位系统位置误差修正的轨迹匹配方法 | |
| CN109522591A (zh) | 一种应用于中高速磁浮列车的数据融合方法 | |
| CN103149580A (zh) | 一种基于stkf和wnn的gps/ins组合导航方法 | |
| CN104966408A (zh) | 一种gps定位数据补偿方法 | |
| CN107560599A (zh) | 一种基于特征点采样和曲线拟合的道路坡度数据处理方法 | |
| CN101408434B (zh) | 移动终端零位漂移双模定位和单模定位方法 | |
| CN109946648A (zh) | 一种车路协同下基于超宽带的车辆高精度定位方法 | |
| CN111854742B (zh) | 基于多源信息融合的移动物体的测速定位方法和系统 | |
| Zhou et al. | Onboard train localization based on railway track irregularity matching | |
| Zhu et al. | Curvature map-based magnetic guidance for automated vehicles in an urban environment | |
| KR100483801B1 (ko) | 위상차를 이용한 이동체의 위치 추적 및 운행 관리 시스템 | |
| CN106476851A (zh) | 基于无砟轨道的列车运行速度检测方法及系统 | |
| CN106568450B (zh) | 一种高架道路车载辅助导航算法及应用 | |
| CN102707268A (zh) | 机动雷达组网批处理式误差配准器 | |
| CN107315172A (zh) | 基于智能子带滤波的三维空间强机动目标跟踪方法 | |
| Heirich et al. | Train-side passive magnetic measurements | |
| CN201903653U (zh) | 吹填区地形测量综合处理装置 | |
| CN101334284A (zh) | 适用于步行者组合定位的同步采样方法 | |
| Siebler et al. | Bounding ins positioning errors with magnetic-field-signatures in railway environments | |
| Kröper et al. | Using the ferromagnetic fingerprint of rails for velocity estimation and absolute localization of railway vehicles | |
| Heirich et al. | Measurement methods for train localization with onboard sensors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210708 Address after: Yuelu District City, Hunan province 410083 Changsha Lushan Road No. 932 Applicant after: CENTRAL SOUTH University Applicant after: CRRC ZHUZHOU LOCOMOTIVE Co.,Ltd. Address before: Yuelu District City, Hunan province 410083 Changsha Lushan Road No. 932 Applicant before: CENTRAL SOUTH University |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Shuai Inventor after: Chen Tefang Inventor after: Cheng Shu Inventor after: Song Liwei Inventor after: Gao Feng Inventor before: Wang Shuai Inventor before: Chen Tefang Inventor before: Cheng Shu |