《列车定位技术研究》PPT课件.pptx

列车定位技术列车定位技术 一.列车定位研究的意义及现状 二.目前存在的问题 三.基于多传感器信息融合的列车定位技术 四.列车定位系统模型的建立 五.卡尔曼滤波 内容提要内容提要 由于轨道交通列车运行密度高、车站间距近、安全性要求高，列车需 要实时了解列车在线路中的精确位置，从而实时、动态地对每一列车 进行监督、控制、调度及安全防护，在保证列车运行安全的前提下， 最大限度地提高系统的效率，为乘客提供最佳服务。 列车定位方法的精度和可靠性是影响列车安全防护距离的重要因素 之一，会关系到列车的运行间隔，会影响到轨道交通系统的效率；列 车定位方法的机理和采用的传感器是影响列车运行控制系统制式的重 要因素之一，会关系到可采用的闭塞制式，会影响到列车运行控制系 统的兼容性和生命周期费用。所以列车运行控制系统的性能与列车定 位子系统密不可分，在轨道交通行车安全和指挥系统中，实时、准确 地获得列车速度和位置信息是列车安全、 高效运行的保障。 如何精确地检测列车的速度和位置以对列车的运行等进行控制是轨道 交通运输系统的核心内容。因此对列车测速定位方法的深入研究对于 推动列车运行控制系统的研究和轨道交通系统的发展具有重大和深远 的意义。 一、一、列车定位研究的意义及现状列车定位研究的意义及现状 (1)基于轨道电 路 (2) 多普勒雷达 测速 (3) 查询应答 器的列车定位 (4)里程计（5）扩频无线 通信定位 (6)GPS 常用列车定位方法常用列车定位方法 1、基于轨道电路的列车定位 可以实现列车定位，又可以检测轨道的完好情况；但 误差是一个轨道电路区段长度。 2、基于里程计累加测距的列车定位 通过累计车轮转数，计算出列车行驶过的里程。但存 在空转、滑行轮径磨耗 带来的误差。 二二. .目前存在的问题目前存在的问题 3、基于测速的列车定位 采用加速度传感器(陀螺仪)测量列车在三维空间的加 速度， 然后通过积分计算获得， 也可以通过多普勒雷 达测速方式测量。这是一种典型的增量式相对定位， 缺点是积分造成累计误差。 4、基于查询应答器的列车定位 间隔设置在铁路沿线上，列车经过应答器，车载查询 器就会读取存储其上的位置数据信息，实现定位。优 点是在地面应答器安装点的定位精度较高，缺点是只 能给出点式定位信息，存在设置间距和投资规模的矛 盾 二二. .目前存在的问题目前存在的问题 5、基于无线通信的列车定位 在列车和铁路沿线上设置扩频无线电设备，利用先进的 无线扩频通信、伪码测距和计算机信息处理技术，可 以实现对列车的实时定位、跟踪。无线扩频列车定位 的优点是定位比较精确，但需要在沿线设置专用扩频 基站，投资成本较高。 6、基于GPS定位 可实现全球、全天候连续地实时导航与定位，操作简 单，抗干扰性能好，但城市轨道交通因其自身环境限 制不能使用。 二二. .目前存在的问题目前存在的问题 小结小结 以上列车定位方式都有自己的优点和不足，CBTC是 车-地双向通信，运输效率高，而列车定位是CBTC其中 一项关键的技术。列车定位精确性、可靠性、安全性事 关重要。在城市轨道交通中，列车运行环境比较复杂， 任何单一的定位方式难以获得高精度、高可靠性的列车 位置和速度信息。因而，可否利用多传感器融合技术去 把各个定位传感器优点结合起来，弥补各自的不足，通 过冗余互补提供更加可靠、精确的列车位置和速度信 息。 以下就多传感器信息融合技术展开讨论。 三、基于多传感器信息融合的列车定位三、基于多传感器信息融合的列车定位 技术技术 定义：多传感器信息融合（multi-sensor data fusion） 是一种针对多传感器信息的处理技术，通过数据关 联、相关、和组合等方式以获得对被测对象更加精确 的定位。 优点：1、提高可信度 2、降低不确定度 3、改善信噪比 4、增强鲁棒性 5、降低成本 结构设计结构设计 构建一个多传感器信息融合系统考虑以下三个问题: 1、如何组合传感器,保证多传感器信息融合系统的输 入输出满足要求; 2、如何合理选择信息融合结构,保证信息融合的有效 性,最大限度地发挥多传感器信息融合的优势; 3、大量的输入数据有助于信息融合,同时也会导致融 合计算量呈级数级增加,要考虑控制计算量,降低处理 负荷 定性分析定性分析 轮轴速度传感器和多普勒雷达速度传感器的测速原理 决然不同,它们的误差来源也有很大的区别,来自不同的情 况,互不相干,轮轴速度传感器和多勒雷达速度传感器能地 进行优势互补“而加速度计更是与上述两种传感器有较大 区别,上述两种传感器测量的是列车速度分量,而加速度计 测量的是列车加速度分量,其随机误差主要是其固有测量 误差和列车振动引起的测量误差,不受轨道状况的影响,所 以加速度计与上述两种传感器进行信息融合能进一步提 高测速定位的精度“ 融合方案融合方案 信息融合的结构方案关系到测速定位系统的性能,对列 车状态估计的精度和实时性有很大的影响,但是也不能 忽视系统中的处理算法模型。“融合结构是框架,处理 算法是内容”，没有好的融合结构,再好的处理算法也 力不从心;没有好的处理算法,再好的融合结构也无从发 挥，所以有了适当的融合结构,还要有适当的处理算 法。下面就进行处理算法模型的设计算法的基本思 想。 小结小结 1.状态方程的建立 在城市轨道交通中,列车动量较大,而且列车的运作要 遵循相关的准则，规章,正常情况下都是等速运行和等 加速运行,而匀速运行动模型可以认为是加速度为高斯 白噪声的匀加速运动模型“所以比较适合用匀加速运动 模型来描述城市轨道交通中的列车运动状态,即 四四. .列车定位系统模型的建立列车定位系统模型的建立 式中l、v、a分别为列车的位置、速度和加速度分量;设 w(t)是均值为,方差为2,的高斯白噪声,相当于随机扰 动加速度“可以看出,列车的加速度是改变列车状态的 根源。令： 则状态方程为： 四四. .列车定位系统模型的建立列车定位系统模型的建立 离散化，取 ，根据速度和加速度的迭代公式 式中l(k)、v(k)和a(k)分别为k时刻列车的位置、速度和加速度分量; 分别为在k时刻影响列车位置、速度和加速度的 系统噪声。用矩阵表示为： 四四. .列车定位系统模型的建立列车定位系统模型的建立 2.量测方程的建立 轮轴速度传感器的测量方程为： 加速度计的测量方程为： 多普勒雷达速度传感器的测量方程为： 其中V(k)为测量噪声，H(k)为测量矩阵。 四四. .列车定位系统模型的建立列车定位系统模型的建立 综上所述的系统的公共状态方程为： 各传感器的观测方程为： 四四. .列车定位系统模型的建立列车定位系统模型的建立 五、卡尔曼滤波五、卡尔曼滤波 简单来说，卡尔曼滤波器是一个“optimal recursive data processing algorithm（最优化自回归数据处理算法）”。对于解决很大部分的问 题，他是最优，效率最高甚至是最有用的。卡尔曼滤波是以最小均方 误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是 ：采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻 的观测值来更新对状态变量的估计，求出现时刻的估计值。它适合于 实时处理和计算机运算。 Kalman滤波器从有关的测量值中,通过算法估计出所需信号“其中被估 计信号是含有由白噪声激励引起的随机响应的信号，它十分适合于动 态测量,在列车测速定位中具有很好的应用。常用的Kalman滤波器有 线性Kalman滤波器、扩展Kalman滤波器和联邦Kalman滤波器等”。 线性Kalman滤波器、扩展Kalman滤波器都属于集中式Kalman滤波 器,系统使用一个滤波器集中地处理所有动态定位子系统的信息,其工作 原理如前所述 五、卡尔曼滤波五、卡尔曼滤波 联邦Kalman滤波器的结构基本上采用分布式融合结 构,是一种具有两级结构的分散化滤波算法,它由若干 子滤波器和一个主滤波器组成,各子滤波器独立地进行 时间更新和量测更新。 联邦联邦KalmanKalman滤波器的一般结构如图滤波器的一般结构如图 常规常规KalmanKalman滤波可有两种方法滤波可有两种方法: :直接法和间接法，直接法直接法和间接法，直接法KalmanKalman滤波器接受各个滤波器接受各个 传感器测量的测速定位参数传感器测量的测速定位参数, ,经过滤波融合计算经过滤波融合计算, ,得到所有测速定位参数的最优估得到所有测速定位参数的最优估 计值，直接法如下图计值，直接法如下图 由于列车测速定位中的观测量较少,而且离散化后方程是线性方程,所以列 车测速定位系统中的Kalman滤波器采用直接法设计: 首先每个传感器要单独进行常规Kalman滤 波,Kalman滤波给出的系统状态 估计递归算法为 状态估计值： 状态进一步预测值: 一步预测误差方差阵: 滤波增益矩阵: 估计误差方差阵: 式中的下标表示对应的时刻, 每个传感器经过常规Kalman滤波后得到各自的最优状态估计戈(kk)及其协 方差矩阵月(kk),再把各个局部滤波器的最优状态估计及协方差一起送到主 Kalman滤波器,进行全局状态的最优估计 主滤波器要进行状态更新和时间更新,同时对每个局部滤波器进行信息分配 并与最终的状态估计一起反馈到各个局部滤波器“信息分配是按照信息守恒原 理在各局部滤波器和主滤波器之间分配整体系统信息“这样可以根据不同传感 器的特性和工作状态进行信息分配,从而能更好的发挥不同传感器的优势和减 少因某个传感器发生故障而给主滤波器的融合滤波带来的影响“在这里,由于信 息来源主要是各个传感器,主滤波器只把各局部滤波器的最优估计进行全局最 优估计“所以把信息都分配到各个局部滤波器,主滤波器不返回任何分配信息“ 要根据轮轴速度传感器!多普勒雷达速度传感器和加速度计的特性,以及 各传感器的工作状态对信息分配系数进行自适应分配,具体原则如下: 具休算法流程如图 具体的基于联邦Kalman滤波的多传感器信息融合测速定位系统的结构如图 基于速度的测距定位存在误差累积的问题,长期运作误差会越来越大, 所以需要查询应答器进行定位校 总结总结 根据不同传感器的特点研究多传感器融合的方法,并分析了几种信息融合的 结构的优缺