“当前”模型自适应卡尔曼滤波在有轨电车定位中的应用

发布时间：2021-04-13 21:34

　　有轨电车常与地面其他交通工具混行,因此其准确定位是列车调度指挥和运输安全的重要保障。为节约成本,有轨电车系统一般采用GPS结合速度传感器等方式进行定位,而非大量铺设应答器,因此,GPS信号的处理对于列车定位精度的提高具有重要作用。从简化系统、节省费用、计算难度和精度等方面综合考虑,采用卡尔曼滤波方法对GPS定位信息进行修正。同时,为更好地描述列车运行状态,使其更贴近列车真实运动情况,采用机动加速度"当前"统计模型结合自适应卡尔曼滤波方法对有轨电车位置进行最优估计处理。通过Matlab仿真对在试验场地采集的GPS定位信息进行最优估计处理。仿真结果表明:采用"当前"模型下的自适应卡尔曼滤波算法后,列车定位结果能够更好地跟随其运动的真实轨迹,更接近其真实值,很好地提高了定位精度。 

【文章来源】：机车电传动. 2020,(02)北大核心

【文章页数】：5 页

【部分图文】：

“8字形”试验场地对于该试验场地

GPS天线的车辆在如图1所示的“8字形”试验场地进行试验，其中车辆试验线路如图1中红线所示，黄色矩形框标注部分为架设的模拟隧道。对于该试验场地，采用手持差分GPS测量仪每隔20m进行位置信息的采集，得到了试验场地所有路线的位置精确数据（本文试验线路只用到图1红色线路部分），并将其作为真实值。将运行时GPS天线采集到的数据作为观测数据，采样周期为1s。根据得到的观测数据，得到基于“当前”模型的卡尔曼滤波自适应算法定位试验结果，如图2所示。由图2可看出，观测轨迹、滤波轨迹与真实轨迹大致重合，但在对应图1黄色标注部分误差相对较大，这是由于图1的试验场地中模拟隧道处遮挡了卫星信号，GPS定位信息缺失，造成定位误差较大。综上分析，经“当前”模型自适应卡尔曼滤波算法处理后的位置信息更接近真实值，误差也相对更低。同时，相较观测轨迹而言，滤波轨迹在车辆拐弯处的曲线也相对更加圆滑，更符合车辆在站场的真实运行曲线。4结语采用“当前”模型的卡尔曼滤波自适应算法对GPS数据进行优化处理，经试验验证，“当前”模型的自适应卡尔曼滤波算法能够更好地描述列车的运动情况，且能够很好地跟随列车运行轨迹，尤其是在车辆被遮挡等造成GPS信息缺失的情况或车辆拐弯的情况下，可有效提高列车定位精度，提高运输效率及保障列车的运输安全。参考文献：[1]沈兴涛.现代有轨电车组合定位系统[D].兰州:兰州交通大学,2015:1-7.[2]陶敏.地面车辆定位定向系统关键技术研究[D].长沙:国防科学技术大学,2007:8-10.[3]林武.基于GPS/DR的移动机器人组合定位技术研究[D].南京:南京理工大学,2011:10-1

【参考文献】：
硕士论文
[1]卡尔曼滤波在组合导航系统中的应用研究[D]. 付俐芳.昆明理工大学 2012
[2]基于GPS/DR的移动机器人组合定位技术研究[D]. 林武.南京理工大学 2011
[3]一种改进的卡尔曼滤波在INS/GPS组合导航中的应用研究[D]. 钟暐.中南大学 2009
[4]地面车辆定位定向系统关键技术研究[D]. 陶敏.国防科学技术大学 2007
[5]非线性最小二乘估计的遗传算法研究[D]. 田玉刚.武汉大学 2003



本文编号：3136044