一种车载检测设备的定位方法和系统技术方案

本发明专利技术公开一种车载检测设备的定位方法和系统，提供一种精确

【技术实现步骤摘要】
一种车载检测设备的定位方法和系统


[0001]本专利技术涉及轨道交通检测
，具体涉及一种车载检测设备的定位方法和系统
。

技术介绍

[0002]近年来，城市轨道交通的发展迅猛，地铁和轻轨成为人们出行的主要选择
。
地铁牵引供电系统是确保地铁运营安全和可靠性的重要组成部分
。
而接触网作为牵引供电系统中直接向电客车提供电能的关键环节，其状态对电客车的受流质量和运行安全具有直接影响，因此对接触网的检测和维护成为地铁公司日常工作的重要任务之一
。
[0003]随着城市轨道交通运营压力的增大和需求的多样化，对高速运行状态下的接触网进行在线监测变得尤为重要
。
通过采用智能
、
快速
、
可靠的高端检测技术，可以提高城市轨道交通运营的效率和安全性
。
[0004]而在进行接触网检测时，定位是车载检测设备必须提供的关键信息之一
。
只有准确获取车载检测设备的位置信息，才能对检测结果进行复现
、
校核和维修
。
然而，目前大多数的检测定位工作仍然依赖于人工确认定位点的方式，存在精度不高
、
耗时耗力
、
效率低下的问题
。
[0005]因此，需要一种更先进的车载检测设备定位方法和系统，以提高定位的准确性和效率
。
这样的方法将为城市轨道交通的检测工作带来显著的改进，能够更好地满足快速发展的城市轨道交通运营需求，并确保运营车辆的安全运行
。

技术实现思路

[0006]本专利技术的目的在于针对现有技术的不足之处，提供一种车载检测设备的定位方法和系统，提供一种精确
、
可靠的车辆定位解决方案，适用于轨道交通领域及其他相关领域
。
综合应用全球定位系统和北斗卫星定位系统
(GPS+BD)、
惯性导航系统
(INS)
以及轨道地图数据，通过定位滤波算法
、
神经网络算法和姿态解算等技术手段，实现对车辆在轨道上的精确定位
。
能够提供高精度
、
实时的位置信息，支持列车位置监控
、
位置预测和实时状态监控等关键应用场景
。
通过该技术的应用，可以提升轨道交通系统的安全性
、
运行效率和乘客体验
。
[0007]本专利技术提供一种车载检测设备的定位方法，包括以下步骤：
[0008]S1、
通过定位系统获取车辆的位置信息得到经纬度数据，并判断列车的始发位置与实际位置；
[0009]S2、
通过惯性导航系统获取列车的加速度
、
角速度和姿态的轨道数据，通过姿态解算和卡尔曼滤波算法，将惯性导航系统获取的数据与列车轨道地图的数据相结合，实时估算列车在轨道上的位置；
[0010]S3、
实时存储
S1
和
S2
中获得的数据，并建立该列车路线各个位置的特征信息图，利用神经网络进行学习，结合历史数据，并预测列车的实时位置；
[0011]S4、
综合
S1
‑
S3
中获得的数据进行数据融合，得到数据融合后的列车定位信息
。
[0012]进一步地，所述
S1
中还包括以下步骤：
[0013]S11、
接收卫星信号，进行信号处理与解码，通过定位算法转换得到经纬度数据；
[0014]S12、
实时记录列车的时刻
、
经纬度数据，记录频率为
1Hz
；
[0015]S13、
建立列车路线经纬度表，该经纬度表包含了路线上每个站点及关键位置的经纬度坐标；
[0016]S14、
将
S12
中记录的经纬度数据与
S13
中建立的列车路线经纬度表进行比对，以确定列车当前时刻所在的始发位置与实际位置
。
[0017]进一步地，所述
S2
中具体包括以下步骤：
[0018]S21、
惯性导航系统重置后，获取列车运行方向的加速度值，并对该加速度值进行卡尔曼滤波算法修正；
[0019]S22、
使用惯性导航系统中的惯性测量单元获取列车在三个轴向上的加速度和角速度；
[0020]S23、
根据列车传感器的初始值或初始校准后的值，来估算列车的初始姿态，利用传感器数据及姿态解算算法来估算列车的姿态；
[0021]S24、
实时记录列车的姿态数据；
[0022]S25、
根据列车运行速率
、
位移以及列车的姿态数据与列车轨道地图的数据相结合，实时估算列车在轨道上的位置；
[0023]进一步地，所述
S2
中具体的还包括：惯性导航系统获取列车加速度值
a
，并通过卡尔曼滤波算法进行修正，得到修正后的
k
时刻的加速度值再得到列车运行驶离起点的位移
s
，具体公式如下：
[0024][0025][0026][0027]其中，
X
k
为加速度在
k
时刻的值，
K
k
为卡尔曼增益，
Z
k
为
k
时刻加速度估计值，
v
为列车运行速率
。
[0028]进一步地，所述
S3
中具体包括以下步骤：
[0029]S31、
实时存储
S1
和
S2
中获得的数据，包括时刻
、
经度
、
纬度
、
姿态角度等；
[0030]S32、
将
S32
中实时存储的数据组织成适合神经网络学习的数据集；
[0031]S33、
对数据集进行预处理；
[0032]S34、
用数据集对神经网络进行训练，通过反向传播算法不断调整，使用优化算法如最小化损失函数，以提高神经网络的拟合能力；
[0033]S35、
经过训练后的神经网络用于列车实时位置预测，将实时获取的惯性导航系统的数据
、
定位系统的数据和姿态解算及卡尔曼滤波算法数据输入神经网络，输出预测的列车的实时位置信息
。
[0034]进一步地，所述
S4
中数据融合的具体方法为：为
S1
‑
S3
中获得的数据分配权重，将
S1
‑
S3
中获得数据与其相应的权重进行相乘，并求和，得到数据加权融合后的列车定位信
息
。
...

【技术保护点】

【技术特征摘要】
1.
一种车载检测设备的定位方法，其特征在于，包括以下步骤：
S1、
通过定位系统获取车辆的位置信息得到经纬度数据，并判断列车的始发位置与实际位置；
S2、
通过惯性导航系统获取列车的加速度
、
角速度和姿态的轨道数据，通过姿态解算和卡尔曼滤波算法，将惯性导航系统获取的数据与列车轨道地图的数据相结合，实时估算列车在轨道上的位置；
S3、
实时存储
S1
和
S2
中获得的数据，并建立该列车路线各个位置的特征信息图，利用神经网络进行学习，结合历史数据，并预测列车的实时位置；
S4、
综合
S1
‑
S3
中获得的数据进行数据融合，得到数据融合后的列车定位信息
。2.
如权利要求1所述的一种车载检测设备的定位方法，其特征在于，所述
S1
中还包括以下步骤：
S11、
接收卫星信号，进行信号处理与解码，通过定位算法转换得到经纬度数据；
S12、
实时记录列车的时刻
、
经纬度数据，记录频率为
1Hz
；
S13、
建立列车路线经纬度表，该经纬度表包含了路线上每个站点及关键位置的经纬度坐标；
S14、
将
S12
中记录的经纬度数据与
S13
中建立的列车路线经纬度表进行比对，以确定列车当前时刻所在的始发位置与实际位置
。3.
如权利要求1所述的一种车载检测设备的定位方法，其特征在于，所述
S2
中具体包括以下步骤：
S21、
惯性导航系统重置后，获取列车运行方向的加速度值，并对该加速度值进行卡尔曼滤波算法修正；
S22、
使用惯性导航系统中的惯性测量单元获取列车在三个轴向上的加速度和角速度；
S23、
根据列车传感器的初始值或初始校准后的值，来估算列车的初始姿态，利用传感器数据及姿态解算算法来估算列车的姿态；
S24、
实时记录列车的姿态数据；
S25、
根据列车运行速率
、
位移以及列车的姿态数据与列车轨道地图的数据相结合，实时估算列车在轨道上的位置
。4.
如权利要求3所述的一种车载检测设备的定位方法，其特征在于，所述
S2
中具体的还包括：惯性导航系统获取列车加速度值
a
，并通过卡尔曼滤波算法进行修正，得到修正后的
k
时刻的加速度值再得到列车运行驶离起点的位移
s
，具体公式如下：，具体公式如下：，具体公式如下：其中，
X
k
为加速度在
k
时刻的值，
K
k
为卡尔曼增益，
Z
k
为<...

【专利技术属性】
技术研发人员：朱天华，王洪亮，
申请(专利权)人：上海天链轨道交通检测技术有限公司，
类型：发明
国别省市：