基于递归快速正交搜索的列车组合定位方法及系统技术方案

本发明专利技术公开了一种基于递归快速正交搜索的列车组合定位方法及系统，其中，方法，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，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。提高了在卫星信号受到干扰时列车定位的精度。

A Method and System of Train Combination Location Based on Recursive Fast Orthogonal Search

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，特别是在GNSS信号中断期间，在没有外部校正的情况下INS会产生严重的定位误差。虽然通过利用GNSS和INS的互补特性，将它们的测量结果融合，通常使用卡尔曼滤波器(KalmanFilter，KF)消除INS误差的线性部分来补偿系统输出，但是由于KF是基于高斯白噪声驱动的线性误差状态模型，这不足以描述INS的非线性误差。扩展卡尔曼滤波(ExtendedKalmanFilter，EKF)通过在非线性系统上应用一阶近似使用线性化模型。但是，线性化会导致高非线性系统的滤波器性能差和发散。无迹卡尔曼滤波(UnscentedKalmanKilter，UKF)是一种可提供更好性能的替代方法。然而，UKF需要花费比EKF更多的计算时间来计算非线性变换的随机变量的统计量。为了克服KF及其变型的局限性，需要不依赖线性动态模型和平稳随机误差的非线性技术。埃尔希米等(2004)提出了基于自适应神经模糊推理系统(AdaptiveNeuro-FuzzyInferenceSystem，ANFIS)模块的人工智能(ArtificialIntelligence，AI)算法作为解决方法。但是基于人工智能的方法都需要较长的训练时间，不能保证系统的实时性。此外，它们高度依赖训练数据的一致性，容易陷入局部极小点，并且算法精度仍有待提高。
技术实现思路
本专利技术的目的在于，针对上述问题，提出一种基于递归快速正交搜索的列车组合定位方法及系统，以实现至少部分的解决现有技术中存在的问题。为实现上述目的，本专利技术采用的技术方案是：一种基于递归快速正交搜索的列车组合定位方法，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。优选的，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。优选的，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。优选的，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。优选的，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。优选的，所述非线性速度误差为：ΔV＝VINS-VGPS-δVEKF，其中，ΔV为系统非线性误差模型的非线性速度误差；VINS为对惯性传感器数据进行解算得到的速度，VGPS为卫星测量得到的速度，δVEKF为扩展卡尔曼滤波算法的速度误差。优选的，所述构建系统非线性误差模型，具体为构建高阶误差模型。优选的，所述扩展卡尔曼滤波算法，包括：设定扩展卡尔曼滤波算法的状态方程和观测方程；计算状态初始值，设定误差协方差矩阵；计算所述状态方程中状态转移函数的雅可比矩阵；基于所述状态转移函数的雅可比矩阵计算状态向量一步预测误差方差矩阵；计算所述观测方程中量测函数的雅可比矩阵；基于所述量测函数的雅可比矩阵和状态向量一步预测误差方差矩阵计算状态增益矩阵；基于所述状态增益矩阵得到k时刻状态向量估计值；基于所述k时刻状态向量估计值、所述状态增益矩阵和所述量测函数的雅可比矩阵更新误差协方差矩阵。本专利技术技术方案还公开一种基于递归快速正交搜索的列车组合定位系统，包括，GNSS数据采集模块、惯导数据采集模块、GNSS数据逻辑模块、惯导数据逻辑模块和数据融合模块，所述GNSS数据采集模块获取的卫星定位数据经GNSS数据逻辑模块输入至数据融合模块，所述惯导数据采集模块获取的惯性传感器数据经惯导数据逻辑模块输入至数据融合模块。优选的，还包括：数据输出模块和电源模块，所述数据融合模块的输出端与所述数据输出模块的输入端电连接；所述电源模块为系统提供电源。本专利技术的技术方案具有以下有益效果：本专利技术的技术方案，基于递归快速正交搜索的列车组合定位方法与系统，采用扩展卡尔曼滤波算法与递归快速正交搜索算法结合，提高在卫星信号受到干扰时列车定位的精度。还具有以下优点：1、本专利技术采用卫星定位数据与惯性导航解算数据融合，提高了列车定位信息的精度与可靠性。2、本专利技术采用扩展卡尔曼滤波算法进行定位信息的融合，实际系统总是存在不同程度的非线性，对于非线性系统，采用扩展卡尔曼滤波算法可以通过线性化方法将非线性系统转换为近似的线性系统，对系统误差进行估计与补偿。3、本专利技术采用递归快速正交搜索算法，该算法能够识别具有复杂动力学的非线性系统，在满足系统定位实时性要求的同时能够有效地模拟状态估计后的残差，本专利技术将递归快速正交搜索算法与扩展卡尔曼滤波算法结合，以克服线性化导致系统性能差和发散的问题，提高卫星信号受干扰情况下列车定位的精度。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明图1为本专利技术实施例所述的基于递归快速正交搜索的列车组合定位方法的流程图；图2为本专利技术实施例所述的模型训练示意图；图本文档来自技高网...

【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