CN116908832B - 列车速度确定方法及装置 - Google Patents
列车速度确定方法及装置 Download PDFInfo
- Publication number
- CN116908832B CN116908832B CN202311163109.2A CN202311163109A CN116908832B CN 116908832 B CN116908832 B CN 116908832B CN 202311163109 A CN202311163109 A CN 202311163109A CN 116908832 B CN116908832 B CN 116908832B
- Authority
- CN
- China
- Prior art keywords
- speed
- data
- acceleration
- sensor
- train
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 97
- 230000001133 acceleration Effects 0.000 claims abstract description 142
- 238000001914 filtration Methods 0.000 claims abstract description 121
- 238000012545 processing Methods 0.000 claims abstract description 90
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 239000002245 particle Substances 0.000 claims description 60
- 230000008569 process Effects 0.000 claims description 36
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 29
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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 trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/021—Measuring and recording of train speed
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
- G01P21/02—Testing or calibrating of apparatus or devices covered by the preceding groups of speedometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/36—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P7/00—Measuring speed by integrating acceleration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Power Engineering (AREA)
- Mechanical Engineering (AREA)
- Radar Systems Or Details Thereof (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种列车速度确定方法及装置。其中,该方法包括:采集速度传感器的数据,对速度传感器的数据进行第一滤波处理,得到速度数据;采集加速度传感器的数据,对加速度传感器的数据进行第一滤波处理,得到加速度数据;对速度传感器和加速度传感器进行失效分析,确定失效情况;根据失效情况对速度数据和/或加速度数据进行处理,得到列车的速度。通过本发明,解决了相关技术列车测速传感器测量的精度较低的问题,能够有效提高测速传感器的精度,减小速度测量误差,并降低因传感器失效带来的影响,保证结果的准确性。
Description
技术领域
本发明涉及列车测速定位技术领域,具体而言,涉及一种列车速度确定方法及装置。
背景技术
在列车行驶过程中需要将测速精度保持在一定范围内,以减小对里程累计误差的影响,而不同的测速传感器会存在不同的误差来源和测量精度。目前传统的传感器配置方案为光栅计数速度传感器(OPG)+多普勒毫米波雷达速度传感器(Radar)+加速度计(IMU)进行速度测量,各传感器在不同场景下可进行互补,如在打滑场景下,OPG失效,只采用Radar+IMU进行测量,在正常行驶过程中,三者均正常工作,但会存在测量误差,传统的消除误差的方法为多传感器结果取均值(均值滤波)或用高通滤波低通滤波带通滤波等消除高低频噪声干扰,但这些方法效果有限,误差减小的并不明显。
针对相关技术中列车测速传感器测量的精度较低的问题,暂未发现有效的解决方案。
发明内容
本发明提供了一种列车速度确定方法及装置。
根据本申请实施例的一个方面,提供了一种列车速度确定方法,列车至少设置有速度传感器和加速度传感器,方法包括:采集速度传感器的数据,对速度传感器的数据进行第一滤波处理,得到速度数据;采集加速度传感器的数据,对加速度传感器的数据进行第一滤波处理,得到加速度数据;对速度传感器和加速度传感器进行失效分析,确定失效情况;根据失效情况对速度数据和/或加速度数据进行处理,得到列车的速度。
进一步,速度传感器至少包括两种速度传感器,根据失效情况对速度数据和/或加速度数据进行处理,得到列车的速度,包括:在加速度传感器失效且速度传感器部分失效时,根据未失效的速度传感器的未失效速度数据确定列车的速度;在加速度传感器失效且速度传感器全部未失效时,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,其中,第二滤波处理采用加速度失效的更新方程进行滤波。
进一步,根据失效情况对速度数据和/或加速度数据进行处理,得到列车的速度,还包括:在速度传感器全部失效且加速度传感器未失效时,对加速度数据进行处理,得到列车的速度;在速度传感器部分失效且加速度传感器未失效时,将未失效的速度传感器的未失效速度数据进行第一滤波处理后作为速度数据,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,其中,第二滤波处理采用加速度正常的更新方程进行滤波;在速度传感器和加速度传感器均未失效时,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,其中,第二滤波处理采用加速度正常的更新方程进行滤波。
进一步,速度传感器至少包括:第一速度传感器和第二速度传感器;对速度传感器的数据进行第一滤波处理,得到速度数据,包括:对第一速度传感器的数据和第二速度传感器的数据分别进行第一滤波处理,得到第一速度数据和第二速度数据;对第一速度数据和第二速度数据进行优化处理,得到速度数据。
进一步,第一滤波处理采用一维卡尔曼滤波器进行滤波,一维卡尔曼滤波器的滤
波过程包括:初始化状态量和协方差;对状态量和协方差进行预测,得到:,,其中为状态量预测值,为随机噪声,为协方差预测值,为系统噪声;根据预
测得到的状态量预测值和协方差预测值对测量值进行滤波估计,得到状态量和协方
差的更新值后返回对状态量和协方差下一时刻的值进行预测,并将更新结果进行输
出,其中,,,,,为状态量的残差,为测量值,
为卡尔曼增益,为测量噪声。
进一步,对第一速度数据和第二速度数据进行优化处理,得到速度数据,包括:获
取速度期望值,根据第一速度数据、第二速度数据和速度期望值计算权重:,其
中, ,为速度期望值,为第一速度数据和第二速度数据,C为系数;对第一速度
数据和第二速度数据进行加权平均计算,得到的计算结果作为速度数据。
进一步,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,包括:
将速度数据和加速度数据组成二维速度矩阵,将二维速度矩阵输入粒子滤波器进行滤波处理,得到列车的速度;其中,粒子滤波器采用如下步骤得到列车的速度:
步骤01:初始化状态空间、粒子协方差矩阵、系统噪声矩阵、测量噪
声矩阵,其中,V为速度数据,a为加速度数据;
步骤02:初始化粒子与粒子权重;
步骤03:采用如下公式对粒子进行预测:,,
其中,rand表示均值为0,方差为1的正态分布随机数,N为粒子总数;
步骤04:采用更新方程对粒子进行更新,得到当前时刻的各物理量状态值,更新方
程至少包括:加速度正常的更新方程:、加速度失效的更新方程:;
步骤05:基于系统观测方程更新当前时刻的粒子权重,其中,e为
自然对数;
步骤06:采用归一化方程对粒子权重进行归一化处理,归一化方程为:;
步骤07:对粒子进行重新采样,去除权重小于预设值的粒子并复制权重大于预设
值的点,并使粒子总数维持N,对系统状态进行估计,得到估计值;
步骤08:更新系统观测值并进行输出,其中,系统观测值;
步骤09:重置粒子权重;
步骤10:重复执行步骤03-步骤09,实时估计列车的速度。
根据本申请实施例的另一方面,还提供了一种列车速度确定装置,列车至少设置有速度传感器和加速度传感器,该装置包括:第一处理模块,用于采集速度传感器的数据,对速度传感器的数据进行第一滤波处理,得到速度数据;第二处理模块,用于采集加速度传感器的数据,对加速度传感器的数据进行第一滤波处理,得到加速度数据;分析模块,用于对速度传感器和加速度传感器进行失效分析,确定失效情况;确定模块,用于根据失效情况对速度数据和/或加速度数据进行处理,得到列车的速度。
根据本申请实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,程序运行时执行上述的步骤。
根据本申请实施例的另一方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;其中:存储器,用于存放计算机程序;处理器,用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述方法中的步骤。
在本发明中,提供了一种用于提高测速精度的多传感器融合及失效分析方法,该方法通过将各种测速传感器进行了结合,有效提升了测速精度,同时,针对不同的失效场景,该方法具有通用性,可根据不同的失效场景在速度计算过程中采用不同模式进行计算,有效解决现有技术中列车测速传感器测量的精度较低的问题,能够有效提高测速传感器的精度,减小速度测量误差,并降低因传感器失效带来的影响,保证结果的准确性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种计算机的硬件结构框图;
图2是本发明实施例的列车速度确定方法的一种可选的流程图;
图3是本发明实施例的一维卡尔曼滤波器的滤波示意图;
图4是本发明实施例的列车速度确定方法的另一种可选的流程图;
图5是本发明实施例的传感器失效控制方法的一种可选的流程图;
图6是本发明实施例的列车速度确定装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
本申请实施例一所提供的方法实施例可以在控制器、服务器、计算机、平板或者类似的运算调度装置中执行。以运行在计算机上为例,图1是本发明实施例的一种计算机的硬件结构框图。如图1所示,计算机可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述计算机还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述计算机的结构造成限定。例如,计算机还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种地铁应急事件的人员分配方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种列车速度确定方法,列车至少设置有速度传感器和加速度传感器,如背景技术中指出的,光栅计数速度传感器(OPG)、多普勒毫米波雷达速度传感器(Radar)和加速度计(IMU),其他可以测量速度和加速度的传感器也可以实现。图2是根据本发明实施例的一种列车速度确定方法的流程图,如图2所示,该流程包括如下步骤:
S202:采集速度传感器的数据,对速度传感器的数据进行第一滤波处理,得到速度数据;
S204:采集加速度传感器的数据,对加速度传感器的数据进行第一滤波处理,得到加速度数据;
S206:对速度传感器和加速度传感器进行失效分析,确定失效情况;
S208:根据失效情况对速度数据和/或加速度数据进行处理,得到列车的速度。
在上述实施方式中,提供了一种用于提高测速精度的多传感器融合及失效分析方法,该方法通过将各种测速传感器进行了结合,有效提升了测速精度,同时,针对不同的失效场景,该方法具有通用性,可根据不同的失效场景在速度计算过程中采用不同模式进行计算,有效解决现有技术中列车测速传感器测量的精度较低的问题,能够有效提高测速传感器的精度,减小速度测量误差,并降低因传感器失效带来的影响,保证结果的准确性。
在本发明一个优选的实施方式中,速度传感器至少包括两种速度传感器,例如光栅计数速度传感器(OPG)、多普勒毫米波雷达速度传感器(Radar)。由于传感器可能存在失效的情况,例如打滑情况时OPG失效,有障碍物阻挡情况Radar失效,设备故障等情况IMU失效,因此,需要根据失效情况对速度数据和/或加速度数据进行处理,得到列车的速度。其中包括:
1)在加速度传感器失效且速度传感器部分失效时,根据未失效的速度传感器的未失效速度数据确定列车的速度;例如IMU和OPG失效,对Radar的数据进行第一滤波处理,得到列车速度。或者当IMU和Radar失效,对OPG的数据进行第一滤波处理,得到列车速度。
2)在加速度传感器失效且速度传感器全部未失效时,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,其中,第二滤波处理采用加速度失效的更新方程进行滤波。例如IMU失效,对Radar和OPG的数据进行第一滤波处理,得到速度数据,之后,将速度数据和加速度数据进行第二滤波处理,最终得到列车的速度。只是在此过程中将加速度数据进行失效处理,即采用加速度失效的更新方程进行滤波以屏蔽加速度数据,经过两次滤波后的数据更准确。
3)在速度传感器全部失效且加速度传感器未失效时,对加速度数据进行处理,得到列车的速度;此时对IMU的数据进行积分代替速度传感器得到列车速度。
4)在速度传感器部分失效且加速度传感器未失效时,将未失效的速度传感器的未失效速度数据进行第一滤波处理后作为速度数据,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,其中,第二滤波处理采用加速度正常的更新方程进行滤波;例如OPG失效,采用Radar的数据进行第一滤波,之后再和加速度数据进行第二滤波处理,得到列车速度。
5)在速度传感器和加速度传感器均未失效时,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,其中,第二滤波处理采用加速度正常的更新方程进行滤波。这是最理想的状态,速度传感器的数据进行第一滤波处理后再和加速度传感器进行第二滤波处理,得到精度最佳的列车速度。
此外,还存在速度传感器和加速度传感器均失效的情况,此时采用附近其他传感器设备的数据进行列车速度确定,并及时通知维修人员进行检修。
在本发明一个优选的实施方式中,速度传感器至少包括:第一速度传感器和第二速度传感器;对速度传感器的数据进行第一滤波处理,得到速度数据,包括:对第一速度传感器的数据和第二速度传感器的数据分别进行第一滤波处理,得到第一速度数据和第二速度数据;对第一速度数据和第二速度数据进行优化处理,得到速度数据。
其中,第一滤波处理采用一维卡尔曼滤波器进行滤波,图3示出一维卡尔曼滤波器的滤波示意图,如图3所示,一维卡尔曼滤波器的滤波过程包括:
初始化:初始化状态量和协方差;
预测阶段:对状态量和协方差进行预测,得到:,,其中为
状态量预测值,为随机噪声(默认值取0),为协方差预测值,为系统噪声;
更新阶段:根据预测得到的状态量预测值和协方差预测值对测量值进行滤波
估计,得到状态量和协方差的更新值后返回对状态量和协方差下一时刻的值进行预
测,并将更新结果进行输出,其中,,,,,为状态
量的残差,为测量值,为卡尔曼增益,为测量噪声。
由于OPG与Radar均为速度传感器,其在后续计算中处于同一维度,在不同工况下
测速精度不同,因此,此处对其进行加权平均,即对第一速度数据和第二速度数据进行优化
处理,得到速度数据,包括:获取速度期望值,根据第一速度数据、第二速度数据和速度期望
值计算权重:,其中, ,为速度期望值,为第一速度数据和第二速度
数据,C为系数;对第一速度数据和第二速度数据进行加权平均计算,得到的计算结果作为
速度数据。
本发明中的滤波处理采用了联邦卡尔曼粒子滤波(FKPF),上述过程中采用了第一滤波处理,对两个速度传感器和加速度传感器优选采用3个卡尔曼滤波子滤波器进行滤波,后续对速度数据和加速度数据的滤波采用粒子滤波器的联合速度估计方法。
具体地,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,包括:将速度数据和加速度数据组成二维速度矩阵,将二维速度矩阵输入粒子滤波器进行滤波处理,得到列车的速度;其中,粒子滤波器采用如下步骤得到列车的速度:
除系统内中间变量,前述符号在此处重新定义;
步骤01:初始化状态空间、粒子协方差矩阵、系统噪声矩阵、测量噪
声矩阵,其中,V为速度数据,a为加速度数据;
步骤02:初始化粒子与粒子权重;
步骤03:采用如下公式对粒子进行预测:,,
其中,rand表示均值为0,方差为1的正态分布随机数,N为粒子总数;
步骤04:采用更新方程对粒子进行更新,得到当前时刻的各物理量状态值,更新方
程至少包括:加速度正常的更新方程:、加速度失效的更新方程:;
步骤05:基于系统观测方程更新当前时刻的粒子权重,其中,e为
自然对数;
步骤06:采用归一化方程对粒子权重进行归一化处理,归一化方程为:;
步骤07:对粒子进行重新采样,去除权重小于预设值的粒子并复制权重大于预设
值的点,并使粒子总数维持N,对系统状态进行估计,得到估计值;
步骤08:更新系统观测值并进行输出,其中,系统观测值;
步骤09:重置粒子权重;
步骤10:重复执行步骤03-步骤09,实时估计列车的速度。
在本发明优选的实施例1中还提供了另一种列车速度确定方法,图4是该列车速度确定方法的流程图,如图4所示,该流程包括如下步骤:
步骤1:对输入的3个传感器信号(OPG、Radar、IMU)进行滤波处理,分别输入相应的子滤波器中。此处输入输出均为一维变量,因此各子滤波器采用一维卡尔曼滤波进行处理,滤波系统中各变量被简化,滤波过程如图3所示。
步骤2:对OPG和Radar经过子滤波器滤波后的值进行优化估计。优化估计的方法如
下:由于OPG与Radar均为速度传感器,其在后续计算中处于同一维度,在不同工况下测速精
度不同,因此,此处对其进行加权平均:,其中为速度加权平均
值,为各速度传感器经过子滤波器的估计速度,为权重,,C为系数,用于保
证,为速度期望值,实际应用过程为外部系统输入。
步骤3:将步骤2的输出值和IMU子滤波器滤波值输入主滤波器中进行速度计算,主滤波器采用粒子滤波的方法进行设计,输入输出为速度、加速度二维矩阵,具体滤波过程此处不再赘述。
步骤4:输出优化后的速度。
在本发明优选的实施例1中还提供了一种传感器失效控制方法,图5是该方法的流程图,如图5所示,从下至上依次包括如下步骤:
步骤1:对输入的3个传感器(OPG、Radar、IMU)进行失效分析;
步骤2:OPG失效(如打滑情况),在优化阶段剔除w1,即OPG传感器检测的速度的权重。Radar失效(如有障碍物阻挡情况),在优化阶段剔除w2,即Radar传感器检测的速度的权重。IMU失效(设备故障等情况),修改主滤波器粒子滤波的更新方程为加速度失效的更新方程,屏蔽加速度数据;
步骤3:再次进行失效分析:OPG&Radar失效、IMU&OPG失效或者IMU&Radar失效;
步骤4:PG&Radar失效,对IMU积分代替速度传感器; IMU&OPG或者IMU&Radar失效,分别从子滤波器2或子滤波器1中直接输出列车速度;
步骤5:全部失效;
步骤6:全部失效,改用附近其他传感器设备,并及时进行检修。
上述方法可有效提升所测量速度的精度,减小速度测量误差,降低因传感器失效带来的影响。同时,采用FKPF的方法可以解决传统卡尔曼滤波算法对高斯噪声的依赖,无需指定噪声类型,可处理范围更大。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
在本实施例中还提供了一种列车速度确定装置,用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图6是根据本发明实施例的一种列车速度确定装置的结构框图,如图6所示,该装置包括:
第一处理模块602,用于采集速度传感器的数据,对速度传感器的数据进行第一滤波处理,得到速度数据;
第二处理模块604,与第一处理模块602连接,用于采集加速度传感器的数据,对加速度传感器的数据进行第一滤波处理,得到加速度数据;
分析模块606,与第二处理模块604连接,用于对速度传感器和加速度传感器进行失效分析,确定失效情况;
确定模块608,与分析模块606连接,用于根据失效情况对速度数据和/或加速度数据进行处理,得到列车的速度。
在上述实施方式中,提供了一种用于提高测速精度的多传感器融合及失效分析方法,该方法通过将各种测速传感器进行了结合,有效提升了测速精度,同时,针对不同的失效场景,该方法具有通用性,可根据不同的失效场景在速度计算过程中采用不同模式进行计算,有效解决现有技术中列车测速传感器测量的精度较低的问题,能够有效提高测速传感器的精度,减小速度测量误差,并降低因传感器失效带来的影响,保证结果的准确性。
其中,速度传感器至少包括两种速度传感器,确定模块608包括:第一确定子模块,用于在加速度传感器失效且速度传感器部分失效时,根据未失效的速度传感器的未失效速度数据确定列车的速度;第二确定子模块,用于在加速度传感器失效且速度传感器全部未失效时,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,其中,第二滤波处理采用加速度失效的更新方程进行滤波;第三确定子模块,用于在速度传感器全部失效且加速度传感器未失效时,对加速度数据进行处理,得到列车的速度;第四确定子模块,用于在速度传感器部分失效且加速度传感器未失效时,将未失效的速度传感器的未失效速度数据进行第一滤波处理后作为速度数据,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,其中,第二滤波处理采用加速度正常的更新方程进行滤波;第五确定子模块,用于在速度传感器和加速度传感器均未失效时,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,其中,第二滤波处理采用加速度正常的更新方程进行滤波。
速度传感器至少包括:第一速度传感器和第二速度传感器;第一处理模块602包括:滤波子模块,用于对第一速度传感器的数据和第二速度传感器的数据分别进行第一滤波处理,得到第一速度数据和第二速度数据;优化子模块,用于对第一速度数据和第二速度数据进行优化处理,得到速度数据。
第一滤波处理采用一维卡尔曼滤波器进行滤波,一维卡尔曼滤波器的滤波过程包
括:初始化状态量和协方差;对状态量和协方差进行预测,得到:,
,其中为状态量预测值,为随机噪声(默认值取0),为协方差预测值,为系统噪声;根
据预测得到的状态量预测值和协方差预测值对测量值进行滤波估计,得到状态量和
协方差的更新值后返回对状态量和协方差下一时刻的值进行预测,并将更新结果进行
输出,其中,,,,,为状态量的残差,为测量
值,为卡尔曼增益,为测量噪声。
优化子模块包括:获取单元,用于获取速度期望值,根据第一速度数据、第二速度
数据和速度期望值计算权重:,其中, ,为速度期望值,为第一速度
数据和第二速度数据,C为系数;计算单元,用于对第一速度数据和第二速度数据进行加权
平均计算,得到的计算结果作为速度数据。
第五确定子模块包括:将速度数据和加速度数据组成二维速度矩阵,将二维速度矩阵输入粒子滤波器进行滤波处理,得到列车的速度;其中,粒子滤波器采用如下步骤得到列车的速度:
步骤01:初始化状态空间、粒子协方差矩阵、系统噪声矩阵、测量噪
声矩阵,其中,V为速度数据,a为加速度数据;
步骤02:初始化粒子与粒子权重;
步骤03:采用如下公式对粒子进行预测:,,
其中,rand表示均值为0,方差为1的正态分布随机数,N为粒子总数;
步骤04:采用更新方程对粒子进行更新,得到当前时刻的各物理量状态值,更新方
程至少包括:加速度正常的更新方程:、加速度失效的更新方程:;
步骤05:基于系统观测方程更新当前时刻的粒子权重,其中,e为
自然对数;
步骤06:采用归一化方程对粒子权重进行归一化处理,归一化方程为:;
步骤07:对粒子进行重新采样,去除权重小于预设值的粒子并复制权重大于预设
值的点,并使粒子总数维持N,对系统状态进行估计,得到估计值;
步骤08:更新系统观测值并进行输出,其中,系统观测值;
步骤09:重置粒子权重;
步骤10:重复执行步骤03-步骤09,实时估计列车的速度。
实施例3
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,采集速度传感器的数据,对速度传感器的数据进行第一滤波处理,得到速度数据;
S2,采集加速度传感器的数据,对加速度传感器的数据进行第一滤波处理,得到加速度数据;
S3,对速度传感器和加速度传感器进行失效分析,确定失效情况;
S4,根据失效情况对速度数据和/或加速度数据进行处理,得到列车的速度。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子设备,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,采集速度传感器的数据,对速度传感器的数据进行第一滤波处理,得到速度数据;
S2,采集加速度传感器的数据,对加速度传感器的数据进行第一滤波处理,得到加速度数据;
S3,对速度传感器和加速度传感器进行失效分析,确定失效情况;
S4,根据失效情况对速度数据和/或加速度数据进行处理,得到列车的速度。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种列车速度确定方法,其特征在于,列车至少设置有速度传感器和加速度传感器,所述方法包括:
采集所述速度传感器的数据,对所述速度传感器的数据进行第一滤波处理,得到速度数据;
采集所述加速度传感器的数据,对所述加速度传感器的数据进行第一滤波处理,得到加速度数据;
对所述速度传感器和所述加速度传感器进行失效分析,确定失效情况;
根据失效情况对所述速度数据和/或所述加速度数据进行处理,得到所述列车的速度;
所述速度传感器至少包括两种速度传感器,根据失效情况对所述速度数据和/或所述加速度数据进行处理,得到所述列车的速度,包括:
在所述加速度传感器失效且所述速度传感器全部未失效时,对所述速度数据和所述加速度数据进行第二滤波处理,得到所述列车的速度,其中,所述第二滤波处理采用加速度失效的更新方程进行滤波;
在所述速度传感器部分失效且所述加速度传感器未失效时,将未失效的所述速度传感器的未失效速度数据进行第一滤波处理后作为所述速度数据,对所述速度数据和所述加速度数据进行第二滤波处理,得到所述列车的速度,中,所述第二滤波处理采用加速度正常的更新方程进行滤波。
2.根据权利要求1所述的方法,其特征在于,根据失效情况对所述速度数据和/或所述加速度数据进行处理,得到所述列车的速度,还包括:
在所述加速度传感器失效且所述速度传感器部分失效时,根据未失效的所述速度传感器的未失效速度数据确定所述列车的速度。
3.根据权利要求2所述的方法,其特征在于,根据失效情况对所述速度数据和/或所述加速度数据进行处理,得到所述列车的速度,还包括:
在所述速度传感器全部失效且所述加速度传感器未失效时,对所述加速度数据进行处理,得到所述列车的速度;
在所述速度传感器和所述加速度传感器均未失效时,对所述速度数据和所述加速度数据进行第二滤波处理,得到所述列车的速度,其中,所述第二滤波处理采用加速度正常的更新方程进行滤波。
4.根据权利要求2所述的方法,其特征在于,所述速度传感器至少包括:第一速度传感器和第二速度传感器;对所述速度传感器的数据进行第一滤波处理,得到速度数据,包括:
对所述第一速度传感器的数据和所述第二速度传感器的数据分别进行第一滤波处理,得到第一速度数据和第二速度数据;
对所述第一速度数据和所述第二速度数据进行优化处理,得到所述速度数据。
5.根据权利要求1所述的方法,其特征在于,所述第一滤波处理采用一维卡尔曼滤波器进行滤波,所述一维卡尔曼滤波器的滤波过程包括:
初始化状态量和协方差;
对所述状态量和所述协方差进行预测,得到:,,其中为状态量
预测值,为随机噪声,为协方差预测值,为系统噪声;
根据预测得到的所述状态量预测值和协方差预测值对测量值进行滤波估计,得到
所述状态量和所述协方差的更新值后返回对所述状态量和所述协方差下一时刻的
值进行预测,并将更新结果进行输出,其中,,,,,为所述状态量的残差,为所述状态量的测量值,为卡尔曼增益,为测
量噪声。
6.根据权利要求4所述的方法,其特征在于,对所述第一速度数据和所述第二速度数据进行优化处理,得到所述速度数据,包括:
获取速度期望值,根据所述第一速度数据、所述第二速度数据和所述速度期望值计算
权重:,其中, ,为速度期望值,为所述第一速度数据和所述第
二速度数据,为系数;
对所述第一速度数据和所述第二速度数据进行加权平均计算,得到的计算结果作为所述速度数据。
7.根据权利要求3所述的方法,其特征在于,对所述速度数据和所述加速度数据进行第二滤波处理,得到所述列车的速度,包括:
将所述速度数据和所述加速度数据组成二维速度矩阵,将所述二维速度矩阵输入粒子滤波器进行滤波处理,得到所述列车的速度;其中,所述粒子滤波器采用如下步骤得到所述列车的速度:
步骤01:初始化状态空间、粒子协方差矩阵、系统噪声矩阵、测量噪声矩
阵,其中,为所述速度数据,为所述加速度数据;
步骤02:初始化粒子与粒子权重;
步骤03:采用如下公式对粒子进行预测:,,其
中,表示均值为0,方差为1的正态分布随机数,为粒子总数;
步骤04:采用更新方程对粒子进行更新,得到当前时刻的各物理量状态值,所述更新方程至少包括:加速度正常的更新方程:、加速度失效的更新方程:;
步骤05:基于系统观测方程更新当前时刻的粒子权重,其中,为
自然对数;
步骤06:采用归一化方程对所述粒子权重进行归一化处理,所述归一化方程为:;
步骤07:对粒子进行重新采样,去除权重小于预设值的粒子并复制权重大于预设值的
点,并使粒子总数维持,对系统状态进行估计,得到估计值;
步骤08:更新系统观测值并进行输出,其中,所述系统观测值;
步骤09:重置粒子权重;
步骤10:重复执行步骤03-步骤09,实时估计所述列车的速度。
8.一种列车速度确定装置,其特征在于,列车至少设置有速度传感器和加速度传感器,所述装置包括:
第一处理模块,用于采集所述速度传感器的数据,对所述速度传感器的数据进行第一滤波处理,得到速度数据;
第二处理模块,用于采集所述加速度传感器的数据,对所述加速度传感器的数据进行第一滤波处理,得到加速度数据;
分析模块,用于对所述速度传感器和所述加速度传感器进行失效分析,确定失效情况;
确定模块,用于根据失效情况对所述速度数据和/或所述加速度数据进行处理,得到所述列车的速度;
其中,速度传感器至少包括两种速度传感器,所述确定模块包括:第二确定子模块,用于在加速度传感器失效且速度传感器全部未失效时,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,其中,第二滤波处理采用加速度失效的更新方程进行滤波;第四确定子模块,用于在速度传感器部分失效且加速度传感器未失效时,将未失效的速度传感器的未失效速度数据进行第一滤波处理后作为速度数据,对速度数据和加速度数据进行第二滤波处理,得到列车的速度,其中,第二滤波处理采用加速度正常的更新方程进行滤波。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;其中:
存储器,用于存放计算机程序;
处理器,用于通过运行存储器上所存放的程序来执行权利要求1至7中任一项所述的方法步骤。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至7中任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311163109.2A CN116908832B (zh) | 2023-09-11 | 2023-09-11 | 列车速度确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311163109.2A CN116908832B (zh) | 2023-09-11 | 2023-09-11 | 列车速度确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116908832A CN116908832A (zh) | 2023-10-20 |
CN116908832B true CN116908832B (zh) | 2024-01-23 |
Family
ID=88360572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311163109.2A Active CN116908832B (zh) | 2023-09-11 | 2023-09-11 | 列车速度确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116908832B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782325A (zh) * | 2019-03-06 | 2019-05-21 | 西南交通大学 | 基于粒子滤波和多传感器信息融合的列车速度估计方法 |
CN110562263A (zh) * | 2019-09-19 | 2019-12-13 | 中国人民解放军陆军装甲兵学院 | 一种基于多模型融合的轮毂电机驱动车辆车速估计方法 |
KR20220059754A (ko) * | 2020-11-03 | 2022-05-10 | 울산대학교 산학협력단 | 센서 퓨전에 의한 차량의 위치 추정 방법 |
CN116176658A (zh) * | 2023-02-28 | 2023-05-30 | 南京交通职业技术学院 | 一种基于多源信息智能融合的地铁列车测速方法 |
-
2023
- 2023-09-11 CN CN202311163109.2A patent/CN116908832B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782325A (zh) * | 2019-03-06 | 2019-05-21 | 西南交通大学 | 基于粒子滤波和多传感器信息融合的列车速度估计方法 |
CN110562263A (zh) * | 2019-09-19 | 2019-12-13 | 中国人民解放军陆军装甲兵学院 | 一种基于多模型融合的轮毂电机驱动车辆车速估计方法 |
KR20220059754A (ko) * | 2020-11-03 | 2022-05-10 | 울산대학교 산학협력단 | 센서 퓨전에 의한 차량의 위치 추정 방법 |
CN116176658A (zh) * | 2023-02-28 | 2023-05-30 | 南京交通职业技术学院 | 一种基于多源信息智能融合的地铁列车测速方法 |
Non-Patent Citations (3)
Title |
---|
基于卡尔曼滤波的轨道小车速度估算方法;李雄;;微处理机(01);全文 * |
基于多传感器融合的列车测速定位算法研究;郭欢;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(第07期);33-598 * |
基于粒子滤波算法信息融合的磁悬浮列车定位研究;熊春红;李晓龙;韩静茹;;华东交通大学学报(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116908832A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110839016B (zh) | 异常流量监测方法、装置、设备及存储介质 | |
JP6550403B2 (ja) | 動的シーン分析方法、関連する分析モジュール、およびコンピュータプログラム | |
CN104246516A (zh) | 一种确定车辆加速度的方法及装置 | |
CN109472393A (zh) | 空间降尺度降水数据检测方法、装置及电子设备 | |
CN103208094B (zh) | 用于对图像应用滤波器的方法和系统 | |
CN112861947B (zh) | 传感器数据处理方法、装置及计算设备 | |
CN110995524A (zh) | 流量数据监控方法、装置、电子设备和计算机可读介质 | |
JP2022514072A (ja) | パラメータ推定の整合性範囲を適応的に決定する方法 | |
CN116908832B (zh) | 列车速度确定方法及装置 | |
CN112269182A (zh) | 目标雷达信号的确定方法和装置、存储介质、电子装置 | |
CN104880713B (zh) | Gbas完好性评估处理方法和系统 | |
CN107481282B (zh) | 体积测算方法、装置及用户终端 | |
CN116448219B (zh) | 油位异常检测方法、装置、设备及计算机可读存储介质 | |
CN113588132A (zh) | 一种温度处理方法及装置 | |
JP2867477B2 (ja) | オンライン設備の寿命予測方法 | |
CN109359791B (zh) | 一种机械系统退化趋势预测方法及系统 | |
CN114757855B (zh) | 动作数据修正方法、装置、设备及存储介质 | |
CN112444820A (zh) | 一种机器人位姿确定方法、装置、可读存储介质及机器人 | |
CN113255137B (zh) | 目标对象应变数据的处理方法、装置及存储介质 | |
CN107636583B (zh) | 确定触摸位置的方法和触摸控制芯片 | |
CN106886478A (zh) | 一种数据过滤方法及监控服务器 | |
CN109117965B (zh) | 基于卡尔曼滤波器的系统状态预测装置和方法 | |
CN113532588A (zh) | 水位获取方法、装置、设备及存储介质 | |
CN117526318B (zh) | 配电网状态评估方法、装置、电子设备、存储介质 | |
CN116481416B (zh) | 基于北斗导航的桥梁挠度监测方法、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |