多传感器融合定位在高速铁路的应用1

2012-09-10 15:59:32来源: 互联网 关键字:多传感器  融合定位  高速铁路

2009年在武广、郑西等客运专线中,C3列控系统的应用,对高速铁路列车定位技术提出了更高的要求。C3列控系统的主要技术原则中明确提出,列车的运营速度达到350 km/h,最小追踪间隔为3 min,并且300 km/h及以上动车组不装设列车运行监控装置,在300 km/h及以上线路,CTCS-3级列控系统车载设备速度容限规定为超速2 km/h报警、超速5 km/h触发常用制动、超速15 km/h触发紧急制动。这些技术原则要求高速铁路列车运行控制系统必须在任何时刻、任何地方都能确定列车的准确位置,包括列车的行车安全的相关间隔、速度、加速度及轨旁设备和车载设备资源的分配。由这些信息来确定是否需要采取制动措施,保证安全间隔。目前,陀螺、加速度计、里程仪、GPS接收机等传感器已经普遍应用于列车测速定位系统。

  1 高速铁路技术的发展

  高速铁路技术的发展是多种多样的,各个国家根据其路况、地形、运营需求采用不同的定位技术。法国AS-TREE系统采用多普勒雷达进行测速定位;北美ARES,PTC,PTS系统采用GPS(全球定位系统)进行定位;欧洲ETCS、日本CARAT系统采用查询/应答器和速度传感器进行定位;德国LZB系统采用轨间电缆进行列车定位;美国AATC系统采用无线测距进行定位。

 

  根据中国铁路地形、线路的复杂状况及高速铁路对列车定位技术的要求,文中提出了多传感器组合定位的方案,选用GPS/DR/MM组合定位的方式,利用多传感器组合定位技术信息互补的特点,采用卡尔曼滤波将所得信息进行数据融合,得到比单一传感器定位更精确的定位数据。

  2 列车定位系统方案

  该方案利用DR自主定位的特点,可以保证列车在任何地方、任何时候都可以输出定位信息,而GPS的采用可以给DR提供初始位置数据,MM的运用满足了系统对定位精度的需求。融合算法部分采用联邦滤波算法,解决了其他滤波算法计算负担重,容错性能差的缺点。

  2.1 列车定位方式的选择

  2.1.1 定位方式介绍

  GPS是一种无线电导航系统。作为最早应用于导航定位系统的高新技术,有着在全球范围内、在任意时刻、任意气象条件下为用户提供连续不断的高精度三维位置、速度和时间信息的特点。采用GPS定位时只需要在机车上安装接收机即可,但在周围阻挡物多的地方列车的定位精度会受到影响。并且,GPS对卫星故障十分敏感,一但一颗卫星失效,就会出现GPS性能恶化的情况。所以,不能单一的将GPS定位信息作为列控系统的位置参数。

  DR是车辆定位导航中采用的一种比较经典的算法。它由测量航向的传感器和测量距离的传感器构成。本方案中采用里程仪作为测量距离的传感器,陀螺仪作为测量航向的传感器。里程仪输出的是脉冲信号。车轮每转一圈,里程仪输出固定数量的脉冲信号,通过累加一定时间内的里程仪的脉冲数目,可以计算出车辆在这一段时间内所驶过的距离,也可以计算出车辆行驶的速度。陀螺仪输出航向角的角速率信息。将陀螺输出的角速率信息积分可得到列车的相对转角。与GPS相比,DR可以自主定位,不存在遮挡等问题引起的列车定位信息遗失。但DR系统的初始位置无法自主得到,并且航迹推算是一个累加的过程,不同时刻的测量误差和计算误差都会累积起来,随着时间的推移,DR误差是一个发散的过程。

  2.1.2 定位方案

  根据以上对GPS和DR定位特点的分析,本方案采取多传感器组合定位技术,即各种定位技术互相补充的方案。在铁路线路区间,当GPS信息连续时在机车头部安装的GPS接收机将GPS信息送给定位系统,GPS信息作为主信息,DR信息和查询应答器信息作为校验信息,三者联合滤波后给出最优的定位估计信息。

  遇到“城市峡谷“等障碍区时,GPS信号会消失或减弱,这时采用DR信息作为主信息。GPS失效前一点位置正好可以作为DR的初始位置,有了初始位置以后,利用里程仪和陀螺仪就可以对下一时刻列车的位置做出估计。

  列车进入车站后,由于股道线间距很小,GPS和DR的定位精度已经不能很好的表现出股道的差异,因此采用查询应答器来获得列车在站内的定位信息。此时查询应答器信息作为主信息,而GPS信息和DR信息作为校验信息。

  2.2 数据融合方法

  该方案最核心的问题就是系统基于数据融合的定位算法的设计。在列车测速定位领域应用的数据融合方法有判断检测理论、估计理论、数据关联等,而应用最广泛的就是估计理论中的卡尔曼滤波方法。与其他估计算法相比,卡尔曼滤波具有显著的优点:采用状态空间法在时域内设计滤波器,用状态方程就可以描述任何复杂多维信号的动力学特性,避开了在频域内对信号功谱做分解带来的麻烦,滤波器的设计简单易行,采用递推算法。所以卡尔曼滤波能适用于任何平稳或非平稳随机向量过程的估计,所得估计在线性估计中精度最佳。目前已经开发的滤波算法包括线性卡尔曼滤波,扩展卡尔曼滤波以及联邦卡尔曼滤波。该方案采用联邦卡尔曼滤波进行数据融合。

 

  2.2.1 数据融合的联合卡尔曼滤波模型

  此滤波算法中,取βm=0,即主滤波器没有信息输入,进一步优化系统,减少了运算量。

关键字:多传感器  融合定位  高速铁路

编辑:神话 引用地址:http://www.eeworld.com.cn/mndz/2012/0910/article_16748.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:集成电路技术大幅提升MEMS性能2
下一篇:多传感器融合定位在高速铁路的应用2

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利
推荐阅读
全部
多传感器
融合定位
高速铁路

小广播

独家专题更多

TI车载信息娱乐系统的音视频解决方案
TI车载信息娱乐系统的音视频解决方案
汇总了TI汽车信息娱乐系统方案、优质音频解决方案、汽车娱乐系统和仪表盘参考设计相关的文档、视频等资源
迎接创新的黄金时代 无创想,不奇迹
迎接创新的黄金时代 无创想,不奇迹
​TE工程师帮助将不可能变成可能,通过技术突破,使世界更加清洁、安全和美好。
TTI携TE传感器样片与你相见,一起传感未来
TTI携TE传感器样片与你相见,一起传感未来
TTI携TE传感器样片与你相见,一起传感未来
电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2017 EEWORLD.com.cn, Inc. All rights reserved