基于无线传感网的城市轨道交通系统研究与应用

发布时间：2020-03-22 21:09

【摘要】：随着网络和信息化的快速发展,城市轨道交通行业进入了智能信息化管理时代。本论文围绕轨道交通中列车客室内的温度、湿度、空气质量等三类环境因素,利用无线传感器网络的多跳通信方式,结合数据融合技术,最终实现对整个客室内环境数据的监控。论文首先设计了系统的硬件部分,利用轨道列车客室内多个探头采集数据信息,通过ZigBee无线协议进行传输数据,利用主控制模块完成执行任务。传感器模块设计采用DHT11系列传感器和MG811型传感器;ZigBee无线传输模块设计采用CC2530芯片;主控制模块设计采用STM32F103C8T6单片机。其次,为了将软件设计与实际应用需求相结合,采用IAR System的IAR Embedded Workbench IDE集成开发环境,使用C语言编程实现节点数据采集程序。系统采用基于虚拟菱形网格的节点布置算法对终端传感器节点进行布置,能更好的节约能源。程序框架采用具备操作系统原理的Z-Stack协议栈。最后通过终端的客户端软件系统实现系统的登录和监控功能。第三,由于城市轨道交通客室监控系统涉及的传感器节点较多且外界干扰较大,实际测量值会存在一定误差。论文结合皮尔逊相关运算,根据实际需要对卡尔曼滤波算法进行改进。最后,利用系统监测的实时数据对所提出的算法进行了仿真测试和结果分析。仿真结果有力地证明了采用卡尔曼滤波算法进行数据融合的合理性,以及基于皮尔逊相关处理的卡尔曼滤波改进算法的正确性和可用性。
【图文】：

第 2 章 关键技术理论概述2.1 综合监控系统技术2.1.1 综合监控系统技术ISCS 是一个集成化和自动化程度较高的系统，其主要目的是在轨道交通中集成互联多个系统，形成统一的硬件平台和软件平台，实现轨道交通电气设备的集中监控和管理功能，完成列车运行监控和客流监控，最终实现系统之间的信息资源共享和协调功能，提高了地铁运营的安全性和可靠性[28]。通过 ISCS 统一的用户界面，操作管理人员能够更加方便、更加有效地监控和管理整条线路的运行。如图 2.1 为长春地铁 1 号线 ISCS 人机界面。ISCS 针对控制中心的各中央调度员（包括行车调度员，电力调度员，环境控制调度员，维修调度员，总调度员）、车站综合控制室值班人员、停车场和车辆段值班人员等提供必要的数据和信息，并向下级子系统发送命令[29]。

第 2 章 关键技术理论概述息资源来自每个子系统的监控中心和 SISCS。控制中心依据 CISCS 接收的信息实现条线路的统一调度指挥。SISCS 直接集成车站内和客室级各监控系统的信息，使整车站的各个系统成为一个有机的整体，并为新系统提供一个开放的接口，并与 CIS交换信息，把收集到实时信息传送到 CISCS，，从 CISCS 的集成数据库中读取本系统需的其他系统数据，并接收 CISCS 的指令和请求。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U29-39;TN929.5;TP212.9

【相似文献】

相关期刊论文 前10条

1 吴怀宇;;卡尔曼滤波算法及其在真实成绩预测中的应用[J];中国新通信;2018年23期

2 巫春玲;李永萍;谢美美;安诺静;;迭代自适应容积卡尔曼滤波算法[J];电子测量技术;2019年17期

3 毛秀华;吴健;;卡尔曼滤波算法研究[J];舰船电子对抗;2017年03期

4 刘润生;董秀珍;刘锐岗;;线性卡尔曼滤波算法在磁感应断层成像技术中的仿真研究[J];医疗卫生装备;2016年01期

5 王秋平;庄园;李凤;;基于线性分式变换的U卡尔曼滤波算法[J];信息与控制;2013年05期

6 余小琴;沈文苗;;扩展卡尔曼滤波算法初值选取方法[J];声学与电子工程;2012年01期

7 李恒;张静远;罗轩;谌剑;;无味卡尔曼滤波算法形式及性能研究[J];弹箭与制导学报;2012年03期

8 孙秋云;;改进的卡尔曼滤波算法在行驶汽车状态估计中的应用现状[J];价值工程;2011年19期

9 李莉;宋志强;;转换坐标卡尔曼滤波算法在雷达数据融合中的应用[J];仪器仪表用户;2011年04期

10 王建文;税海涛;马宏绪;李迅;刘述田;;优化卡尔曼滤波算法中的目标函数选择[J];系统工程与电子技术;2009年01期

相关会议论文 前10条

1 刘栋;王惠林;;卡尔曼滤波算法在目标定位系统中的应用[A];第九届全国光电技术学术交流会论文集（上册）[C];2010年

2 陈婧;谢磊;李备;;水路交通中的卡尔曼滤波算法综述[A];第七届中国智能交通年会论文集[C];2012年

3 周红波;耿伯英;;基于目标跟踪的无偏转换测量卡尔曼滤波算法研究[A];2007中国控制与决策学术年会论文集[C];2007年

4 刘健;刘忠;玄兆林;;纯方位目标运动分析的自适应扩展卡尔曼滤波算法[A];2005年全国水声学学术会议论文集[C];2005年

5 余小琴;刘贯领;沈文苗;;多基地浮标目标运动分析[A];2009年中国东西部声学学术交流会论文集[C];2009年

6 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年

7 赵汝祺;赵祚喜;赵汝准;;基于多项式卡尔曼滤波算法的车辆定位试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

8 郑家旺;刘有源;;离散型卡尔曼滤波在汽车零部件检测中的应用[A];湖北省机械工程学会设计与传动专业委员会暨武汉机械设计与传动学会第十九届学术年会论文集[C];2011年

9 沈国华;吴雨翠;童长青;王艳;陈臻尧;;基于LC801E平台卡尔曼滤波算法与控温算法结合的技术实现[A];第十五届中国航天电子技术研究院学术交流会优秀论文集[C];2018年

10 沈晔青;龚华军;熊琰;;精确制导系统中的目标跟踪与卡尔曼滤波[A];2006年全国光电技术学术交流会会议文集（A 光电系统总体技术专题）[C];2006年

相关博士学位论文 前10条

1 赵伟;基于容积规则的鲁棒卡尔曼滤波算法研究与应用[D];燕山大学;2017年

2 冯波;线性滤波估计算法研究及在惯性导航系统中的应用[D];北京理工大学;2014年

3 张金良;基于卡尔曼滤波算法的感应电机无传感器直接转矩控制技术研究[D];华南理工大学;2016年

4 赵红宇;惯性行人导航系统的算法研究[D];大连理工大学;2015年

5 沈悦;基于导航通信多模应用的位置服务技术研究[D];中国科学技术大学;2012年

6 黄锦旺;传感器网络中的信号分离与重构[D];华南理工大学;2014年

7 王小刚;非线性滤波方法在无人机相对导航上的应用研究[D];哈尔滨工业大学;2010年

8 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年

9 刘真通;基于模型的纯电动车辆动力系统故障诊断研究[D];北京理工大学;2016年

10 孟军英;基于粒子滤波框架目标跟踪优化算法的研究[D];燕山大学;2014年

相关硕士学位论文 前10条

1 王晋晶;雷达目标跟踪算法研究与实现[D];西安电子科技大学;2019年

2 韦红宇;基于CPU+GPU协同架构下的并行化多目标跟踪方法研究[D];西安电子科技大学;2019年

3 史仲渊;基于改进卡尔曼滤波算法的实时以太网时钟同步系统的研究[D];浙江理工大学;2019年

4 叶东;基于卡尔曼滤波算法的电力系统时滞信号补偿技术研究[D];浙江工业大学;2019年

5 肖华;基于无线传感网的城市轨道交通系统研究与应用[D];吉林大学;2019年

6 卢文品;基于双卡尔曼滤波算法的全钒液流电池荷电状态估计与应用[D];合肥工业大学;2019年

7 许跃千;基于非线性滤波的水下目标跟踪技术研究[D];哈尔滨工程大学;2019年

8 周韦润;动力电池参数辨识和荷电状态估计研究[D];江苏科技大学;2019年

9 王琰;基于多传感器融合的室内定位技术研究[D];中国矿业大学;2019年

10 张亚男;面向车辆监控的高精度卫星定位算法研究[D];中国矿业大学;2019年

本文编号：2595627