The invention discloses a train combination positioning method and system based on recursive fast orthogonal search, in which methods include: acquiring real-time data; constructing a non-linear error model of the system; judging whether the satellite signal is good or not; and using extended Kalman filter algorithm to process the real-time data if the satellite signal is good. The prediction value of the extended Kalman filter algorithm is used as input and the non-linear velocity error of the system's non-linear error model is used as output for model training. If the satellite signal is poor, the recursive orthogonal search algorithm is used for on-line modeling, and the predicted value pairs of the extended Kalman filter algorithm are combined. The non-linear velocity error of the nonlinear error model is estimated to compensate the output velocity information, and the current position information is calculated by using the compensated velocity information, so that the corrected velocity and position information can be obtained. The accuracy of train positioning is improved when the satellite signal is disturbed.
【技术实现步骤摘要】
基于递归快速正交搜索的列车组合定位方法及系统
本专利技术涉及列车定位领域,具体地,涉及一种基于递归快速正交搜索的列车组合定位方法及系统。
技术介绍
列车定位是列车运行控制系统重要的组成部分之一,列控系统需要在实时获取列车准确位置的前提下进行控制决策。现有列控系统的列车定位单元主要使用轨道电路、应答器等轨旁设备,并需要定期的维护和更换。现有的列车运行控制系统主要采用GNSS(GlobalNavigationSatelliteSystem,全球导航卫星系统)与INS(InertialNavigationSystem,惯性导航系统)组合的定位方式作为列车定位单元,GNSS/INS组合定位方法具有定位精度高、自主性能好等特点,能够有效提高整个系统的容错能力、位置信息可信度以及时间-空间覆盖范围,是当前列车测速定位技术的重要发展方向。完整的列车组合定位系统主要包括以下几个部分:定位传感器、定位计算处理单元以及接口模块,其中定位传感器主要依靠外界信号(GNSS卫星播发信号)或随安装情况自主感应(IMU,InertialMeasurementUnit,惯性测量单元)列车实时运行状态,通过定位计算处理模块进行传感器数据解析以及位置计算,然后将结果由接口模块输出至相关功能模块。然而,由于列车运行环境复杂多样,运行途中需要经过隧道或峡谷等卫星信号受到严重干扰的区域,从而导致GNSS服务中断或产生多径效应,进而使得定位精度下降。另一方面,虽然INS作为一种独立的方法能够提供短期精度较高的定位结果,但是由于受到噪声影响以及自身传感器的误差,随着时间的推移,INS的性能会迅速恶化, ...
【技术保护点】
1.一种基于递归快速正交搜索的列车组合定位方法,其特征在于,包括:获取实时数据;构建系统非线性误差模型;判断卫星信号是否良好;若卫星信号良好,则使用扩展卡尔曼滤波算法对所述实时数据进行融合,并且将扩展卡尔曼滤波算法的预测值作为输入,系统非线性误差模型的非线性速度误差作为输出,对系统非线性误差模型进行模型训练;如在卫星信号较差,则使用递归正交搜索算法对系统非线性误差模型进行在线建模,结合所述扩展卡尔曼滤波算法的预测值对系统非线性误差模型的非线性速度误差进行估计,从而补偿输出的速度信息,并利用补偿后的速度信息计算当前的位置信息,从而得到修正后的速度和位置信息。
【技术特征摘要】
1.一种基于递归快速正交搜索的列车组合定位方法,其特征在于,包括:获取实时数据;构建系统非线性误差模型;判断卫星信号是否良好;若卫星信号良好,则使用扩展卡尔曼滤波算法对所述实时数据进行融合,并且将扩展卡尔曼滤波算法的预测值作为输入,系统非线性误差模型的非线性速度误差作为输出,对系统非线性误差模型进行模型训练;如在卫星信号较差,则使用递归正交搜索算法对系统非线性误差模型进行在线建模,结合所述扩展卡尔曼滤波算法的预测值对系统非线性误差模型的非线性速度误差进行估计,从而补偿输出的速度信息,并利用补偿后的速度信息计算当前的位置信息,从而得到修正后的速度和位置信息。2.根据权利要求1所述的基于递归快速正交搜索的列车组合定位方法,其特征在于,所述获取实时数据中,所述实时数据,包括:惯性传感器数据和卫星定位数据。3.根据权利要求2所述的基于递归快速正交搜索的列车组合定位方法,其特征在于:所述卫星定位数据,包括:经度、纬度、高度、东向速度、北向速度和天向速度;所述惯性传感器数据,包括:三轴加速度信息和三轴陀螺信息。4.根据权利要求2所述的基于递归快速正交搜索的列车组合定位方法,其特征在于,所述获取实时数据之后,还包括对所述惯性传感器数据进行解算,从而得到定位信息。5.根据权利要求4所述的基于递归快速正交搜索的列车组合定位方法,其特征在于,所述若卫星信号良好,则使用扩展卡尔曼滤波算法对所述实时数据进行融合,并且将扩展卡尔曼滤波算法的预测值作为输入,系统非线性误差模型的非线性速度误差作为输出,对系统非线性误差模型进行模型训练中的使用扩展卡尔曼滤波算法对所述实时数据进行融合,具体为:使用扩展卡尔曼滤波算法将所述卫星定位数据与所述定位信息进行融合。6.根据权利要求1所述的基于递归快速正交搜...
【专利技术属性】
技术研发人员:陈光武,杨菊花,于月,邢东峰,李鹏,张琳婧,石建强,司涌波,
申请(专利权)人:兰州交通大学,
类型:发明
国别省市:甘肃,62
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。