高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进自适应IMM算法的高速列车组合定位

王小敏 雷筱 张亚东

王小敏, 雷筱, 张亚东. 基于改进自适应IMM算法的高速列车组合定位[J]. 电子与信息学报, 2024, 46(3): 817-825. doi: 10.11999/JEIT230251
引用本文: 王小敏, 雷筱, 张亚东. 基于改进自适应IMM算法的高速列车组合定位[J]. 电子与信息学报, 2024, 46(3): 817-825. doi: 10.11999/JEIT230251
WANG Xiaomin, LEI Xiao, ZHANG Yadong. Combined Positioning of High-Speed Train Based on Improved Adaptive IMM Algorithm[J]. Journal of Electronics & Information Technology, 2024, 46(3): 817-825. doi: 10.11999/JEIT230251
Citation: WANG Xiaomin, LEI Xiao, ZHANG Yadong. Combined Positioning of High-Speed Train Based on Improved Adaptive IMM Algorithm[J]. Journal of Electronics & Information Technology, 2024, 46(3): 817-825. doi: 10.11999/JEIT230251

基于改进自适应IMM算法的高速列车组合定位

doi: 10.11999/JEIT230251
基金项目: 中国国家铁路集团有限公司科技研究开发计划(P2021G053, N2021T008, N2021G045, N2022G010);上海航天科技创新基金(SAST2020-126)
详细信息
    作者简介:

    王小敏:男,教授,研究方向为轨道交通运行控制

    雷筱:男,硕士生,研究方向为列车定位

    张亚东:男,副教授,研究方向为列车运行控制理论与技术

    通讯作者:

    雷筱 m18781012607@163.com

  • 中图分类号: TN967.2; TP391

Combined Positioning of High-Speed Train Based on Improved Adaptive IMM Algorithm

Funds: The Science and Technology Research and Development Program of China National Railway Group Corporation (P2021G053, N2021T008, N2021G045, N2022G010), Shanghai Aerospace Science and Technology Innovation Fund funded projects (SAST2020-126)
  • 摘要: 针对列车高精度定位问题,该文提出基于改进自适应交互多模型(IMM)的高速列车高精度组合定位方法。首先,根据列车定位需求和各传感器特点,设计了卫星接收器、轮轴测速传感器、测速雷达以及单轴陀螺仪4种传感器的组合定位方案。然后,针对IMM融合滤波算法因先验信息不准导致固定参数设置不当的问题,引入Sage-Husa自适应滤波和转移概率矩阵(TPM)自适应更新集成为自适应IMM算法。针对多模型切换的滞后问题,利用子模型似然函数值能快速反映模型变化趋势的特点,将似然函数值设为判定标志,并引入判定窗对TPM矩阵元素进行修正,有效提升了模型的切换速度。最后,基于改进自适应IMM算法对4种传感器定位信息进行融合滤波,实现高速列车的高精度组合定位。仿真结果表明:改进后的算法相比其他自适应IMM算法提升定位精度1.6%~14.7%,并且能通过提高模型间切换速度来有效降低位置误差峰值,同时具备较好的抗噪性能。
  • 图  1  高速列车组合定位方案

    图  2  本文改进的自适应IMM算法框架

    图  3  算法位置误差比较

    图  4  CV切换至CA时算法模型概率变化曲线

    图  5  CV切换至CT时算法模型概率变化曲线

    图  6  传感器量测噪声方差自适应调整

    图  7  场景2下算法位置误差比较

    表  1  列车定位传感器特性

    传感器类别提供的信息精度下降的场景优势误差来源
    轮轴测速传感器相对定位速度车轮粘着不良低成本、高可靠空转打滑、轮径磨损
    车载多普勒雷达相对定位速度极端积水高精度安装误差、车体振动
    卫星接收器直接定位位置/速度封闭空间低成本、高精度受卫星接收条件影响
    INS相对定位加速度/角速度高精度、高可靠累计误差
    下载: 导出CSV

    表  2  CRH3型车的动力学参数

    参数取值
    轮径(mm)920
    牵引质量(t)536
    回转系数0.08
    基本阻力(N)0.79+0.0064v+0.000115v2
    牵引(kN)–0.285v+300, v≤119 km/h, 31500/v, v>119 km/h
    制动加速度(m/s2)–0.00043v+0.7105, v>210 km/h
    , –0.0021v+1.0612, 172 km/h<v≤210 km/h
    , –0.025v+5, 160 km/h<v≤172 km/h, 1 km/h<v≤160 km/h, 0
    下载: 导出CSV

    表  3  各滤波算法的定位性能比较

    算法东方向位移MAE(m)东方向位移最大偏差(m)北方向位移MAE(m)北方向位移最大偏差(m)位置MAE(m)位置RMSE(m)最大位置偏差(m)
    文献[5]0.50902.13610.47882.01560.76900.87072.8537
    标准IMM0.43042.26860.42782.43370.67190.78012.9912
    文献[13]0.42442.43530.41472.93160.65510.76283.1984
    文献[16]0.47292.18500.47432.30480.74110.84562.6531
    文献[14]0.38922.35670.38762.84910.60820.73603.6359
    文献[15]0.38652.73260.38492.92040.60400.73253.5502
    本文0.38742.19120.37652.30920.59640.72092.7817
    下载: 导出CSV

    表  4  传感器实际精度

    传感器雷达(m/s)轮轴测速传感器(m/s)卫星(m)
    噪声标准差(V≥100 km/h)$\dfrac{{{\text{0}}{\text{.4}}{f_0}\cos \theta }}{{3{\text{c}} \cdot 3.6}}$$\dfrac{{0.2\% NV\Delta t}}{{3\pi D \cdot 3.6}}$1
    噪声标准差(V<100 km/h)$\dfrac{{{\text{0}}{\text{.2\% }}V{f_0}\cos \theta }}{{3{\text{c}} \cdot 3.6}}$$\dfrac{{0.6N\Delta t}}{{3\pi D \cdot 3.6}}$1
    下载: 导出CSV

    表  5  算法在场景2的定位性能对比

    算法东方向位移MAE(m)北方向位移MAE(m)位置RMSE(m)最大位置偏差(m)
    文献[5]0.66780.69591.37526.2420
    文献[15]0.60550.60091.32687.6920
    文献[17]0.56150.56291.11765.9152
    本文0.49310.49470.95155.3753
    下载: 导出CSV
  • [1] OTEGUI J, BAHILLO A, LOPETEGI I, et al. A survey of train positioning solutions[J]. IEEE Sensors Journal, 2017, 17(20): 6788–6797. doi: 10.1109/jsen.2017.2747137.
    [2] MARAIS J, BEUGIN J, and BERBINEAU M. A survey of GNSS-based research and developments for the European railway signaling[J]. IEEE Transactions on Intelligent Transportation Systems, 2017, 18(10): 2602–2618. doi: 10.1109/tits.2017.2658179.
    [3] 蔡煊, 陶汉卿, 侯宇婷, 等. 北斗卫星导航系统在列车定位中的应用研究与发展[J]. 铁道科学与工程学报, 2022, 19(8): 2417–2427. doi: 10.19713/j.cnki.43-1423/u.t20211086.

    CAI Xuan, TAO Hanqing, HOU Yuting, et al. Application research and development of Beidou navigation satellite system in train positioning[J]. Journal of Railway Science and Engineering, 2022, 19(8): 2417–2427. doi: 10.19713/j.cnki.43-1423/u.t20211086.
    [4] JIANG Wei, CHEN Sirui, CAI Baigen, et al. A multi-sensor positioning method-based train localization system for Low Density Line[J]. IEEE Transactions on Vehicular Technology, 2018, 67(11): 10425–10437. doi: 10.1109/TVT.2018.2869157.
    [5] 莫志松, 安鸿飞. 新型列控系统列车综合自主定位技术研究[J]. 铁道学报, 2022, 44(1): 56–64. doi: 10.3969/j.issn.1001-8360.2022.01.008.

    MO Zhisong and AN Hongfei. Research on comprehensive autonomous positioning technology of new train control system[J]. Journal of the China Railway Society, 2022, 44(1): 56–64. doi: 10.3969/j.issn.1001-8360.2022.01.008.
    [6] KIM K, KONG S H, and JEON S Y. Slip and slide detection and adaptive information sharing algorithms for high-speed train navigation systems[J]. IEEE Transactions on Intelligent Transportation Systems, 2015, 16(6): 3193–3203. doi: 10.1109/TITS.2015.2437899.
    [7] MAZOR E, AVERBUCH A, BAR-SHALOM Y, et al. Interacting multiple model methods in target tracking: A survey[J]. IEEE Transactions on Aerospace and Electronic Systems, 1998, 34(1): 103–123. doi: 10.1109/7.640267.
    [8] ZENG Yuan, LU Wenbin, YU Bo, et al. Improved IMM algorithm based on support vector regression for UAV tracking[J]. Journal of Systems Engineering and Electronics, 2022, 33(4): 867–876. doi: 10.23919/JSEE.2022.000075.
    [9] 曾浩, 母王强, 杨顺平. 高机动目标跟踪ATPM-IMM算法[J]. 通信学报, 2022, 43(7): 93–101. doi: 10.11959/j.issn.1000-436x.2022135.

    ZENG Hao, MU Wangqiang, and YANG Shunping. High maneuvering target tracking ATPM-IMM algorithm[J]. Journal on Communications, 2022, 43(7): 93–101. doi: 10.11959/j.issn.1000-436x.2022135.
    [10] 彭滔, 张亚, 李世中. 基于航向角辅助的IMM-CKF雷达/红外跟踪算法[J]. 探测与控制学报, 2022, 44(2): 48–53. doi: 10.11812/j.issn.1008-1194.2022.2.tcykzxb202202009.

    PENG Tao, ZHANG Ya, and LI Shizhong. IMM-CKF Radar/IR tracking algorithm based on course angle aids[J]. Journal of Detection &Control, 2022, 44(2): 48–53. doi: 10.11812/j.issn.1008-1194.2022.2.tcykzxb202202009.
    [11] YAO Yiqing, XU Xiaosu, YANG Dongrui, et al. An IMM-UKF aided SINS/USBL calibration solution for underwater vehicles[J]. IEEE Transactions on Vehicular Technology, 2020, 69(4): 3740–3747. doi: 10.1109/TVT.2020.2972526.
    [12] 高学泽, 魏文军. 马尔可夫参数自适应IMM算法在列车定位中的应用[J]. 传感器与微系统, 2019, 38(1): 155–157,160. doi: 10.13873/J.1000-9787(2019)01-0155-03.

    GAO Xueze and WEI Wenjun. Application of Markov parameter adaptive IMM algorithm in train positioning[J]. Transducer and Microsystem Technologies, 2019, 38(1): 155–157,160. doi: 10.13873/J.1000-9787(2019)01-0155-03.
    [13] 戴定成, 姚敏立, 蔡宗平, 等. 改进的马尔可夫参数自适应IMM算法[J]. 电子学报, 2017, 45(5): 1198–1205. doi: 10.3969/j.issn.0372-2112.2017.05.024.

    DAI Dingcheng, YAO Minli, CAI Zongping, et al. Improved adaptive Markov IMM algorithm[J]. Acta Electronica Sinica, 2017, 45(5): 1198–1205. doi: 10.3969/j.issn.0372-2112.2017.05.024.
    [14] 叶瑾, 许枫, 杨娟, 等. 一种改进的时变转移概率AIMM跟踪算法[J]. 应用声学, 2020, 39(2): 246–252. doi: 10.11684/j.issn.1000-310X.2020.02.011.

    YE Jin, XU Feng, YANG Juan, et al. An improved AIMM tracking algorithm based on adaptive transition probability[J]. Journal of Applied Acoustics, 2020, 39(2): 246–252. doi: 10.11684/j.issn.1000-310X.2020.02.011.
    [15] 王平波, 刘杨. 基于改进自适应IMM-UKF算法的水下目标跟踪[J]. 电子与信息学报, 2022, 44(6): 1999–2005. doi: 10.11999/JEIT211128.

    WANG Pingbo and LIU Yang. Underwater target tracking algorithm based on improved adaptive IMM-UKF[J]. Journal of Electronics &Information Technology, 2022, 44(6): 1999–2005. doi: 10.11999/JEIT211128.
    [16] 邓雯琪, 黄景春, 康灿, 等. 基于交互式多模型滤波算法机车车速估计[J]. 传感器与微系统, 2022, 41(7): 122–125. doi: 10.13873/J.1000-9787(2022)07-0122-04.

    DENG Wenqi, HUANG Jingchun, KANG Can, et al. Locomotive speed estimation based on interactive multi-model filtering algorithm[J]. Transducer and Microsystem Technologies, 2022, 41(7): 122–125. doi: 10.13873/J.1000-9787(2022)07-0122-04.
    [17] XU Shuqing, ZHOU Haiyin, WANG Jiongqi, et al. SINS/CNS/GNSS integrated navigation based on an improved federated Sage–Husa adaptive filter[J]. Sensors, 2019, 19(17): 3812. doi: 10.3390/s19173812.
    [18] 李飞, 段哲民, 龚诚, 等. GNSS接收机自主完好性监测算法研究[J]. 测绘通报, 2007(8): 14–15. doi: 10.3969/j.issn.0494-0911.2007.08.005.

    LI Fei, DUAN Zhemin, GONG Cheng, et al. Research on RAIM Algorithm of GNSS[J]. Bulletin of Surveying and Mapping, 2007(8): 14–15. doi: 10.3969/j.issn.0494-0911.2007.08.005.
    [19] 杨栋, 王思明, 许建玉. CRH3型动车组牵引制动模式曲线的算法研究[J]. 城市轨道交通研究, 2013, 16(12): 94–98. doi: 10.16037/j.1007-869x.2013.12.025.

    YANG Dong, WANG Siming, and XU Jianyu. On algorithm of traction and braking mode curve for CRH3 multiple unit[J]. Urban Mass Transit, 2013, 16(12): 94–98. doi: 10.16037/j.1007-869x.2013.12.025.
  • 加载中
图(7) / 表(5)
计量
  • 文章访问数:  205
  • HTML全文浏览量:  177
  • PDF下载量:  45
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-04-11
  • 修回日期:  2023-08-21
  • 录用日期:  2023-08-21
  • 网络出版日期:  2023-08-24
  • 刊出日期:  2024-03-27

目录

    /

    返回文章
    返回