关键词:
无人驾驶地铁
测速定位方法
机动加速度
新息自适应卡尔曼滤波
摘要:
城市轨道交通车辆的测速定位存在可用传感器较少,小半径曲线和大坡度变化线路多,运行工况变化频繁,实时性与精度要求更高等问题。提出了基于新息自适应卡尔曼滤波的测速定位方法,以无人驾驶地铁为研究对象,首先基于先验牵引制动目标级位约束,将列车视为一维刚性均布质量模型,考虑列车经过等效变坡点的动力学行为,建立修正机动加速度的列车运动模型。然后基于新息自适应卡尔曼滤波实时估计与修正受到运行工况与线路情况变化影响的统计噪声。最后以3种典型工况的实车数据为例,基于16组动车轴速信息进行测速定位,并对比采用平均轴速法与无自适应估计噪声的常规卡尔曼滤波算法下的6种精度评价指标,结果表明:采用该方法有效修正轮轨蠕滑引起的渐进型数据漂移,减少高速区高频噪声,速度误差均方根为0.349 0 km·h^(-1),制动停车位置误差为0.491 3 m,具备较高的测速与定位精度;在高速区轴速存在1.5%比例随机缺失工况下,速度误差均方根可稳定在0.371 7 km·h^(-1)左右,制动停车位置误差可稳定在0.042 0 m左右,对高速区测量轴速缺失具备较强鲁棒性;在列车滑行工况下,速度误差均方根为0.360 1 km·h^(-1),制动停车位置误差为0.310 5 m,对列车空转滑行具备较强鲁棒性。研究结果能够为无人驾驶地铁列车精确测速定位提供理论依据与工程参考。