城市轨道交通中的信息融合应用

1、城市轨道交通中的信息交融应用摘要:本文简介了信息交融 方法 ,并针对城市轨道 交通 开展 提出了遗传算法与模糊控制结合进展监控的方法,该方法简单明了,便于直接使用。关键词:信息交融,遗传算法,模糊控制,城市轨道交通1引言随着城市轨道交通的开展,实时动态数据反映成为监控机车状态的重要组成局部,而遗传算法与模糊控制方法所具有很好的鲁棒性和形式上的简单明了使得它必然可以在城市轨道交通上得到宏大 应用 。遗传算法是一种 自然 进化系统的 计算 模型,也是一种通用的求解优化 问题 的适应性搜索方法,尤其是后者得到人们关注和普遍使用。而模糊控制那么是近代控制 理论 中建立在模糊结合论根底上的一种基于语言规

2、那么与模糊推理的控制理论。目前 我国城市轨道交通建立正在蓬勃开展,伴随是城市轨道交通信息的大量增多与多信息交融,而在信息交融中经常会运用到遗传算法与模糊规那么相结合的方法。2信息交融构造方法信息交融由于其应用上的复杂性和多样性,决定了信息交融的 研究 内容 极其丰富,涉及的根底理论较多。多传感器信息交融根据信息表征的层次构造,其根本方法可分为3类:数据层交融:在数据层交融中,每一个传感器观测物体并且组合来自传感器的原始数据.然后,进展特征识别过程.此过程一般是从原始数据中提取一个特征矢量来完成,并且根据此特征做出决策。特征层交融:在特征层交融中,从观测数据中提取许多特征矢量后把它们连接成单个矢

3、量,下一步进展识别.在该情况下,需要的通讯带宽减小,结果的准确性也相应减小,主要是因为在原始数据中生成特征矢量的同时,信息也在丧失。决策层交融:在决策层交融中,每一个传感器根据本身的单源数据做出决策.这些决策被交融生成最后的决策,在上面阐述的3种构造中,准确性是最差的,但需要的带宽最小。对于信息交融算法详细可以分为以下四类:估计方法、分类方法、推理方法和人工智能方法。2.1估计方法加权平均法是最简单、最直观交融多传感器低层数据的方法,该方法将由一组传感器提供的冗余信息进展加权平均,并将加权平均值作为信息交融值;利用最小二乘法原理可导出的数据平滑程序在许多情况下可以去除或减少测量过程中由于偶然因

4、素带来的误差,使平滑后的数据一般会比原数据更有 规律 性;卡尔曼滤波用于实时交融动态的低层次冗余多传感器数据,该方法用测量模型的统计特性递推决定在统计意义下是最优的交融数据估计。2.2分类方法分类方法主要有参数模板法和聚类 分析 。无监视或自组织 学习 算法诸如学习向量量化法(learningvec-torquantization,LVQ),K均值聚类(Kmeansclus-tering),Kohonen特性图(Kohonenfuturemap)也常用作多传感器数据的分类。K均值聚类算法是最常用的无监视学习算法之一,而自适应K均值方法的更新规那么成了Kohonen特性图的根底。此外自适应共振理

5、论(ART)、自适应共振理论映射(ARTMAP)和模糊自适应共振理论 网络 (fuzzyARTnetwork)以自适应的方法进展传感器交融。它们可以自动调整权值并且能在环境变化和输入漂移的情况下保持稳定。2.3推理方法贝叶斯估计是交融静态环境中多传感器低层信息的一种常用方法.其信息描绘为概率分布,适用于具有可加高斯噪声的不确定性;DS是基于证据理论的一种推理算法,是贝叶斯方法的扩展。该算法解决了概率中的两个困难问题:一是可以对“未知给出显式表示;二是当证据对一个假设局部支持时,该证据对假设否认的支持也能用明确的值表示出来。2.4人工智能人工智能方法对交融大量的传感器信息,用以非线性和不确定的场

6、合颇有优势。可分为专家系统、神经网络和模糊逻辑。专家系统是一种基于人工智能的计算机信息系统。神经网络是一个具有高度非线性的超大规模连续时间自适应信息处理系统。模糊逻辑是多值逻辑,它允许将传感器信息交融过程中的不确定性直接表示在推理过程中。模糊集理论的根本思想是把普通集合中绝对隶属关系灵敏化,使元素对集合的隶属度从原来只能取0,1中的值扩大到0,1区间中的任一数值,因此很适宜于对传感器信息不确定性进展描绘和处理。模糊集表达了一个不确定概念,应用模糊理论并结合其它手段与算法,如神经网络、遗传算法等,可以获得更好的交融结果。3车速监控方法3.1简介遗传算法按照达尔文的进化论中的适者生存理论,计算 科

7、学 学者提出了进化算法。进化算法是一种基于自然选择和遗传变异等生物进化机制的全局性概率搜索方法。从整体上来讲,遗传算法是进化算法中产生最早、 影响 最大、应用也比较广泛的一个研究方向和领域,它不仅包含了进化算法的根本形式和全部优点,同时还具有假设干独特性能,其优点主要有以下几个方面:1)遗传算法的搜索过程是从一群初始点开始搜索,而不是从单一的初始点开始搜索,这种机制意味着搜索过程可以有效地跳过局部极值点。2)遗传算法具有显著地隐式并行性(implicitpar-allelism),其进化算法虽然在每一代只对有限解个体进展操作,但处理的信息量为群体规模的高次方。3)遗传算法形式上简单明了,便于和

8、其他方法结合。4)遗传算法具有很强的鲁棒性(robustness),即在存在噪声的情况下,对同一问题的遗传算法的屡次求解中得到的结果是相似的。3.2遗传算法对采集速度值交融列车速度可由车轮上的传感器采集的转速求得,但是所测速度会有一定误差,这时我们可以以短时间内采集速度作为初始代群体开始应用遗传算法进展信息优化,其过程如下例: 取适应值函数f(x)=x3 (f(x)=x3与f(x)=x有一样的递加递减关系)。以轮盘赌方式进展个体优胜劣汰的选择。由上表可见,随着一代的遗传操作,群体的平均适应度进步了,当前群体最正确个体也得到了改善。随着迭代次数的增加,群体将逐渐进化到该 问题 的最优解。3.3模

9、糊控制首先设列车监控速度的模糊语言集合如下:快,稍快,适中,稍慢,慢设定其相应的语言变量,记作:F(fast)=快LF(littlefast)=稍快E(equal)=适中LS(littleslowly)=稍慢S(slowly)=慢其相应隶属度函数如以下图2所示,其横坐标标示速度快慢,纵坐标为隶属度。为了 计算 简单,进步运算速度,采用了线性函数。以D表示速度状态,U表示输出,P表示加速,LP稍加速,F表示保持 目前 状态,LN表示稍减速,N表示减速根据模糊关系制定相应模糊规那么如表3:4完毕语本文对日益 开展 的城市轨道 交通 提出了一种遗传算法与模糊逻辑相结合的监控 方法 ,形式上简单明了, 应用 中可有效简捷地实现人的控制策略与经历,且模糊控