毕业设计论文评语轨道交通安全技术研究中心.docx
- 文档编号:11358475
- 上传时间:2023-02-28
- 格式:DOCX
- 页数:9
- 大小:70.22KB
毕业设计论文评语轨道交通安全技术研究中心.docx
《毕业设计论文评语轨道交通安全技术研究中心.docx》由会员分享,可在线阅读,更多相关《毕业设计论文评语轨道交通安全技术研究中心.docx(9页珍藏版)》请在冰豆网上搜索。
毕业设计论文评语轨道交通安全技术研究中心
题目:
如何可靠、精确地测量列车的速度和位置
学院:
电信学院专业:
通信工程学生姓名:
张鹏杰学号:
11211075
文献综述:
目前我国轨道交通系统正处于大发展的阶段,轨道交通在城市交通系统、区域的综合交通系统和国家的综合交通体系中都发挥着不可替代的骨干作用。
作为轨道交通系统,安全和高效是其追求的两大目标。
测速定位功能是列车运行控制系统中的核心功能,为列车的安全间隔的控制和列车高效的运行调度,提供非常关键的信息。
从目前的技术来看,列控系统中普遍采用的是一种紧密耦合的设计理念,由最核心的车载安全计算机来完成测速定位功能。
紧耦合融合方式是将所有传感器采集到的数据集中输入到一个滤波器中,估计系统的状态,然后将估计的误差用于传感器的误差校正。
这种融合方式的典型代表是集中卡尔曼滤波,优点是实现统计最优估计,精确度比松耦合方式高。
缺点是计算量很大,对实时性高的系统不是很适用,因为会产生较大的延时,而且系统的容错性差,一个传感器的故障可能导致整个系统故障。
一个完善的测速定位功能除了包括正常的功能,还包括了非常多的异常处理功能,紧耦合的设计理念将给列控车载设备增加相当的复杂度。
因此能够设计单独且专门的列车测速定位单元,将给未来的新一代列车运行控制系统提供一种全新的选择。
相对于单一的测速定位方法,这种设计应该在理论和实际上提高系统的效率并尽可能得提高鲁棒性,增强抵抗外界干扰的能力。
为了提高列车测速定位的精度和可靠度,有两种方法:
一种是提高单个传感器的测量精度,但这种方法技术难度较高,一般都不好实现,而且成本较高;另一种是针对应用的环境选择多个传感器进行多传感器信息融合来提高测速定位的精度和可靠度,目前这种方法比较常用。
每个传感器都有优缺点,多传感器信息融合就是利用了各个的传感器的优势进行互补,已达到提高精度和可靠度的目的,但并不是传感器的数量或种类越多越好,而且还需要根据不同的环境和条件选择。
本文所要做的工作就是总结速度测量的模型,比较不同方法应用于不同测量模型下的可靠度和准确度。
目前看来,列车测速定位的方法有:
1、卫星导航列车定位方法
2、惯性导航列车定位方法
3、查询-应答器列车定位方法
4、测速定位
5、轨道电路定位方法
6、航位推算系统定位(简称DR)
7、地图匹配定位
这些定位方法各有优缺点也各有自己的适用环境。
采用多传感器融合就是将这些方法进行合理有效的组合来达到提高精度和准确度的目的。
目前在列车测速定位中可考虑多种传感器组合,比较常用的有:
(1)GPS/DR组合
(2)DR/应答器组合
(3)DR/GPS/应答器组合
(4)多普勒雷达与GPS组合
(5)GPS/INS/多普勒雷达/速度传感器组合
对于多传感器的信息融合,我们还要为其找到适合的融合模型和融合算法。
列车定位领域多传感器数据融合的理论方法主要有:
(1)判断检测理论
该理论是通过把被测对象的测量值与被选假设进行比较,以确定哪个假设能最佳地描述观测值。
Bayes理论用测量值的概率描述和先验知识计算每个假设的一个概率值。
当定位系统获得一个新的定位值时,依据Bayes方法可以由先验知识与这一新的定位值对所有假设的可信度进行更新。
Bayes理论还可用于定位系统中多传感器数据处理的二元判断或多元判断。
(2)估计理论
一个参数的估计要使用多个观测变量的测量值,而这些观测值又直接与该参数相关。
用于估计问题的各种最优化准则包括:
最小二乘法、极大似然估计法、Kalman滤波等算法。
(3)数据关联
对于多传感器数据源,可以将测量值按来源不同分成不同的集合实现数据关联。
要实现数据关联,首先必须进行相关处理,对所有的测量值的相关性进行定量地度量,在相关性度量的基础上把测量值按数据源准确地分为若干个集合。
但随着定位系统传感器数量的增加和测量内容的增多,关联问题越来越复杂。
而且测量时间间隔,测量对象的变化以及传感器本身的误差对关联的影响较大。
基于Kalman滤波的多传感器数据融合算法属于估计理论在车辆定位应用中最普遍。
Kalman滤波可连续地处理测量值来递归更新系统状态,是一种较好的集成方法。
接下来,我们考虑测量模型。
根据测量器械是否与列车有相对运动以及测量数据是否需要传输交互将测量模型分为以下四种:
1.测量器械与列车有相对运动而且测量数据需要传输
2.测量器械与列车没有相对运动而且测量数据需要传输
3.测量器械与列车有相对运动而且测量数据不需要传输
4.测量器械与列车没有相对运动而且测量数据不需要传输
在此基础上,我们还需要对“可靠、准确”有一个科学的定义,通过提出一个量化标准来定义“可靠、准确”。
否则一切的设计方法都是假设的,没有依据证明这种方法就是“可靠、准确”的。
即提出一个容错范围,在此范围内,我们可以认为测量到的数据是100%可信的。
通过检验差错率来判断在不同测量模式下的测量方法是否“可靠、准确”。
对于不同的测量模型我们可以提出差错概率公式,对于不同的测量方法我们也可以找到其对应的差错概率以及减少误差的方法。
将这些测量模式和测量方法一一组合起来来,通过公式得出在不同测量模式下测量方法的差错概率,看其是否在容错范围内。
进而得到提出的测量方法在该测量模式下是“可靠、准确”的结论。
除了纯粹的理论分析外,我们还应该通过软件编程进行模拟仿真来验证理论的正确性。
因此本文还涉及软件的编程与验证。
主要参考文献:
[1]周达天.基于多传感器信息融合的列车定位方法研究[D].北京交通大学,2007.
[2]张景伟,谭敏琦,任思聪.一种SINS/GNSS级联闭环反馈式组合导航系统的设计与研究[J].中国惯性技术学报.2003(05).
[3]林敏敏,房建成,高国江.GPS/SINS组合导航系统混合校正卡尔曼滤波方法[J].中国惯性技术学报.2003(03).
[4]徐程龙,田秀臣,韩赞东,熊道权.基于GPS的CIR卫星定位单元设计[J].铁道通信信号.2012(05).
[5]马骏,杨功流.紧耦合MINS/GPS组合导航系统数据融合的分析与处理[J].传感技术学报.2011(09).
[6]袁书明,严明,田炜.地形信息熵/INS组合导航技术研究[J].中国惯性技术学报.2004(01).
[7]王辉,肖建.小波分析在机车优化粘着控制中的应用[J].铁道学报.2003(05)
[8]冯金涛.轨道交通不完整缓和曲线的详细测设[J].铁路航测.2003(03).
[9]乔超,唐慧佳.列车里程计定位方法的研究[J].兰州铁道学院学报.2003(03)
[10]潘泉,于昕,程咏梅等.信息融合理论的基本方法与进展[J].自动化学报,2003.
[11]薛冬,黄国荣,彭兴钊等.SINS/GPS/BDS紧耦合系统研究[J].计算机测量与控制,2012.
[12]陈剑,孙金海,李金海等.GPS/AHRS紧耦合系统中改进的SRUKF算法[J].哈尔滨工程大学学报,2012.
[13]罗大成,王仕成,曾洪贵等.紧耦合GPS/INS组合导航技术仿真研究[J].系统工程与电子技术,2009.
[14]VarshneyPK.DistributedDetectionandDataFusion[M].NewYork:
Springer-Verlag,1996.
[15]潘泉,于昕,程咏梅,张洪才.信息融合理论的基本方法与进展[J].自动化学报.2003(04).
[16]M.Roman,P.Libor.SensorDataFusionforInertialNavigationofTrainsinGPS-darkareas,IEEEIntelligentVehiclesSymposium,U.S.A.2003.
[17]F.Daniel,J.Stefan.AutomaticSlipControlforRailwayVehicles:
(MasterThesis)..2003.
[18]LewisDE.Ultra-tightlycoupledGPS/INStrackingperformance.AAIA’s3rdAnnual.2003.
[19]SinpyoHong,ManHyungLee,SunHongKwon,HoHwanChun.AcartestfortheestimationofGPS/INSalignmenterrors.IEEETransactionsonIntelligentTransportationSystems.2004.
[20]J.Z.Sasiadek,Q.Wang.LowcostautomationusingINS/GPSdatafusionforaccuratepositioning.Robotica.2003.
[21]SolovievA.TightcouplingofGPS,laserscanner,andinertialmeasurementsfornavigationinurbanenvironments.Position,LocationandNavigationSymposium.2008.
[22]WANGLijun,YANGXiaoniu,ZHAOHuichang.ThemodelingandanalysisforautonomousnavigationsystembasedontightlycoupledGPS/INS.InternationalConferenceonMicrowaveandMillimeterWaveTechnology.2006
[23]MillerI,SchimpfB,CampbellM,etal.Tightly-coupledGPS/INSsystemdesignforautonomousurbannavigation.Position,LocationandNavigationSymposium.2008
[24]MikeN,FredW,RobertA,etal.Tightly-coupledINS,GPS,andimagingsensorsforprecisiongeolocation..2008[5]XuXiaosu,ZhangGuolong.ImplementationoftightlycoupledGPS/INSnavigationalgorithmonDSP.ComputerDesignandApplications.2010
[25]KnightD.AchievingmodularitywithtightlycoupledGPS/INS.IEEEPLANS′92-PositionLocationandNavigationSymposium.1992[7]SyedZ,AggarwalP,YangY,etal.ImprovedVehicleNavigationUsingAidingwithTightlyCoupledIntegration.IEEEInternationalConferenceonVehicularTechnology.2008
[26]WeiWangetc.QuadraticextendedKalmanfilterapproachforGPS/INSintegration.AerospaceScienceandTechnology.2006
[27]Mosavi,M.R.AnefficientmethodforoptimumselectionofGPSsatellitessetusingrecurrentneuralnetwork.IEEE/ASMEInternationalConferenceonAdvancedIntelligentMechatronics.2009
[28]MakarandSP.RecursiveMethodforOptimumGPSSatelliteSelection.IEEETran.AES.2001
[29]SeongYunCho,ByungDooKim.AdaptiveIIR/FIRfusionfilteranditsapplicationtotheINS/GPSintegratedsystem[J].Automatica.2008(8)
[30]UmarI.Bhatti,WashingtonY.Ochieng,ShaojunFeng.IntegrityofanintegratedGPS/INSsysteminthepresenceofslowlygrowingerrors.PartI:
Acriticalreview[J].GPSSolutions.2007(3)
研究方案:
1.理论基础:
多传感器信息融合系统的一般结构图:
卡尔曼滤波算法:
卡尔曼滤波称作最优估计理论,是在使估计误差的均方误差达到最小的估计准则下的最优。
从实现形式上说,卡尔曼滤波器实质上是一套由数字计算机实现的递推算法,每个递推周期中包含对被估计量的时间更新和测量更新两个过程。
时间更新由上一步的量测更新结果和设计卡尔曼滤波器时的先验信息确定,量测更新则在时间更新的基础上根据实时获得的测量值确定。
因此,测量值可看做卡尔曼滤波器的输入,估计值可看做输出。
输入与输出之间由时间更新和测量更新算法联系,根据系统方程和观测方程估计所需要处理的信号。
误差估计模型:
GPS定位误差分析:
影响GPS导航定位精度的误差因素有很多,主要包括空间卫星误差(来自于卫星钟误差、星历误差以及卫星设备延时误差等)、接收机误差(包括观测误差、计算误差、时钟误差、天线相位中心误差等)和外界条件误差(来自于电离层的延时误差、多径效应误差、对流层延时误差等)。
可以把这些误差作为白噪声处理或看作是均方差很小的、相关时间很短的一阶马尔可夫过程处理。
误差补偿:
空转和滑行误差的补偿
对于空转和滑行检测,多年来已经有不少学者进行了研究,比较常用的是固定门限检测法,这种方法采用Kalman滤波器处理速度传感器的测量值,根据列车在牵引和制动时可能的最大的加速度和减速度的变化量为依据,设定判断空转和滑行是否发生的加速度标准差的门限值。
但固定门限检测法无法检测到微弱的空转和滑行。
而基于加速度计增强速度传感器的空转滑行检测方法能够检测更小的空转或滑行。
对于空转和滑行误差的补偿问题,比较常用的是算法补偿(插值法)和用另
外的传感器对其进行补偿。
由于测速轮对在空转和滑行阶段中运动的复杂和非线性,很难提高补偿算法的性能,但可以通过引入新的传感器,如利用多普勒测速雷达的输出的速度测量值进行积分来补偿。
采用不同的传感器的补偿方法的误差是不同的。
轮径磨耗误差补偿
对于轮径磨耗误差补偿问题,可以根据近一段时间内在不同区间测得的大量统计数据,依概率分布进行名义轮径的修正,通过不断地修正测速轮对的名义轮径来减小轮径磨耗带来的误差。
目前基于速度传感器的列车定位方法的研究重点是空转和滑行检测问题。
提高空转和滑行的检测性能,既可以根据不同的空转和滑行补偿的误差情况,合理选择空转和滑行检测的门限,使得在一定的空转和滑行补偿条件下,列车定位的误差得到降低,也可以根据列车定位的精度的要求,选择合适的空转和滑行补偿方法和传感器。
2.研究方法:
首先应该用一个科学的方法定义“准确、可靠”即定义一个容错范围,在此范围内的误差我们可以忽略不计,认为测量到的数据是100%正确的。
接着要归纳一下测量模式的分类,在掌握各项测速定位和信息融合的基础上将各种基于测量模式的测量方法之间进行比较,判断差错率,验证是否准确可靠。
要做到这一点需要我们掌握各种测量方法的误差模型和公式以及信息融合的手短。
最后通过编写软件验证结论的正确性。
3.研究步骤:
阅读有关列车测速定位以及多传感器融合的文献,总结各项技术的优劣点。
提出“准确可靠”的科学定义。
总结分类测量模型。
分析基于不同测量模型的测量方法的差错模型、差错率和差错公式。
比较这些方法的差错率大小,验证是否“准确可靠”并设计单独且专门的列车测速定位单元。
通过软件编程实验验证该测速定位单元的准确可靠,并成功测试一个正常功能和异常处理功能。
4.预期成果:
对于可靠、准确地测量列车的速度和位置,提出一个基于测量模型的判断架构,分析不同方法作用于不同模型的测量误差。
提出一个“准确可靠”的量化标准,设计一个单独且专门的测速定位单元。
通过软件编程实验验证该测量单元是准确可靠的,并成功测试一个正常功能和一个异常处理功能。
毕业设计(论文)进度安排:
序号
毕业设计(论文)各阶段内容
时间安排
备注
1
查阅列车测速定位的有关文献,掌握相关的技术特点和算法,并比较不同方法之间的优劣和误差分析。
02.01至03.30
2
比较基于不同测量模型的测量方法的差错率,分析是否“准确可靠”。
03.31至04.15
3
设计一个单独且专门的测速定位单元,并验证是准确可靠的。
04.16至05.15
4
完成并测试成功至少一个正常功能和一个异常处理功能。
分析实验数据,改进并优化设计。
05.16至05.25
5
撰写论文并准备答辩
05.26至06.10
指导教师意见:
填写说明:
查阅资料是否全面,提出的研究方案和计划进度是否可行,还有什么需要注意和改进的方面,是否同意按学生提出的计划进行等。
指导教师签名:
审核日期:
年月日
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 毕业设计 论文 评语 轨道交通 安全技术 研究中心