论文部分内容阅读
基于GNSS/INS多传感器的列车完整性监测系统利用多种传感器进行组合定位获取列车头尾实时加速度、速度、位置信息,进而通过监测列车长度、头尾速度差值实现列车完整性判别。惯性传感器是该系统的重要组成部分,用于测量列车头尾的加速度和角速度信息。惯性传感器数据的准确性直接影响列车完整性判决结果的准确性和可靠性。在列车运行环境下,惯性传感器受车体晃动、内燃机振动、周边设备电磁干扰等多种因素造成信号误差,因此需要对惯性传感器数据进行校准。本论文针对列车运行环境下的惯性传感器信号误差特性进行分析建模,应用最优小波包降噪、零速校正等技术,提出了惯性传感器随机误差的动态校准方案,包括惯性传感器信号降噪、误差建模、数据校准三个步骤。论文研究内容主要分为三个部分：(1)基于最优小波包的信号降噪方法。结合列车运行环境下惯性传感器信号随机误差分量较多的特性,提出使用最优小波包的信号降噪方法作为校准方案的第一步。采用香农熵作为代价函数计算最优小波包分解树,使用硬阈值处理小波包分解系数,通过滑动数据窗方式实现对惯性传感器信号实时降噪。(2)基于ARMA的惯性传感器信号随机误差建模。根据降噪后惯性传感器信号随机误差特性,选择基于ARMA的时间序列模型,使用AIC检测方法计算模型最优阶数,并对模型参数辨识方法进行推导说明。(3)基于零速补偿的ARMA-Kalman动态校准方法。提出基于广义似然比的零速检测方法,识别列车运动的零速状态,对惯性传感器观测量进行修正。同时使用ARMA模型建立Kalman滤波器,实现对随机误差的实时修正,从而完成惯性传感器校准方案。论文最后采用青藏线现场试验列车运行数据,针对不同列车运行场景,基于MATLAB对本文研究的校准方案与方法进行了仿真试验验证。验证结果表明,本文所讨论的校准方案和校准方法能够有效实现对列车环境下惯性传感器的动态校准,提高了惯性传感器数据的准确性和可用性。