基于电涡流传感器的轨道车辆速度和距离估计外文翻译资料

 2022-10-30 10:34:57

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

基于电涡流传感器的轨道车辆速度和距离估计

摘要：轨道车辆精确定位的开发和应用，是更有效研发的列车控制系统的基础，特别是在安全、物流和配置应用方面。其中的关键因素是精确、可靠的速度和距离估计。基于光学系统的流行卫星导航系统（全球导航卫星系统）和视觉测距系统，在铁路应用场景的恶劣环境中往往会失败。本文描述了使用创新的涡流传感器系统进行精确距离估计的方法，是通过增加的互相关方法与高度精确的速度估计的组合来实现的，之后再采用基于空间变换的计数轨道夹具来确定行进距离。这种方法依赖于动态状态的递归状态的估计，以及计数轨道夹具的统计学评估，以用于排斥异常值。在实验数据的基础上，以定量的方式对所提出的方法进行了比较和评估。结果表明，该方法可以提高速度测量、相对位置检测的准确性和可靠性。

一 简介

精确的速度测量和定位是现代铁路车辆控制系统的关键组成部分。近几十年来，在城市、郊区和城际地区均适用的高速列车、铁路车辆，他们控制系统的结构发展已经从固定式转移为动态类型。在各种环境（在速度，安全距离等方面）下，对于运动的具体限制，尤其对于速度测量和定位的准确性提出了更高的要求。 当前，车载导航系统的发展，已经成为改进铁路车辆控制系统最重要的研究领域之一。

速度和相对位置的测量，传统方法通常是基于单个传感器 - 多普勒雷达，全球定位系统（GPS），电缆回路，平衡液和里程表等。然而，这些方法都有其缺点，如缺乏准确性，稳定性和可靠性。偶然的故障可能对控制系统造成严重影响，从而对车辆运动的安全性造成严重影响。近年来，多传感器系统和数据融合技术的使用越来越多地在这种系统的建立中实施起来。基于多传感器的导航组合系统，可以以最小的额外成本实现更好的精度和容错。

现代火车操作系统的本地化依赖于各种轨道侧基础设施的安装。未来的列车操作系统，例如欧洲三级列车控制系统，是基于铁路车辆的车载本地化，以实现更为有效的配置技术，如“移动阻挡”。目前在航空航天和汽车行业使用的现有技术系统，是惯性传感器（例如测距仪和陀螺仪）与全球导航卫星系统的组合，通常是GPS。然而，这种方法在铁路情景中是令人望而却步的，其中轨道通常位于森林或山谷中，从而使卫星导航受干扰。此外，隧道、恶劣的天气和污垢导致恶劣的视觉条件以及大量的车轮打滑，使得在使用光学系统测距测量中导致大量偏差。这降低了车载系统的可靠性，并且需要使用其他传感器和融合技术方法。

二 拟定方案

本次设计中，我们建议在轨道车辆中使用涡流传感器（ECS）进行速度和距离估计。这些传感器通常用于测量铁磁材料内的不均匀性。 他们的工作原理使得它们足够坚固，以抵御天气影响，污垢和日晒。 这些优势确定了它们在轨道交通工具中的应用，并且使得能够在轨道交通工具中，设计出精确的非接触和无滑差速度测定的传感器系统。

本文介绍了改进的速度估计和距离估计系统的开发，以及该系统的总体架构，它使用先验基础设施信息来增强现代火车定位系统的能力。整个系统如图1所示。该系统的第一部分，是基于模型的状态估计，已经以优异的方式估计速度和距离，与目前仅基于测量数据和惯性传感器的系统相反。速度是通过互相关方法来确定的，这种方法满足了很高的鲁棒性，并且在许多技术和工业仪器和测量解决方案中得到了很好的证明。第二部分，用于确定驱动夹具数量的系统，进一步改善距离信息。虽然可以自由确定行进距离的漂移，但位置是分配给特定轨道段的相对位置。因此，需要包含段的地图，使用涡流传感器的地图称为电磁图谱。 即使假设大致相等的夹具，由于确定铁路段起点和终点的问题，这个地图册通常难以获得。 最近的研究表明，可以使用轨道交换机作为铁路网络中的地标和节点，以此来组建和估计这种地图集。这种地图信息，之后就被用于确定距离估计的绝对列车位置。

图1

三 用于速度估计的ECS系统

3.1 传感器设置

涡流传感器通常用于检测铁磁材料的磁阻异常。这种方法的发展，使得其适用于铁路车辆的一些应用，包括速度测量和模式识别。对于两个信号的相关性，涡流传感器系统由两个相同的传感器装置组成，每个传感器装置由发射器线圈和两个拾取线圈构成。两个传感器依次放置在外壳内，安装在轨道车辆转向架上轨道头上方约10厘米处。系统的最终定位如图2b所示。图2a示出了单个传感器单元的原理：发射器线圈E为激发线圈，在导轨的金属材料中引起涡流的磁场。 拾波线圈P1和P2内的电压和产生涡电流的对映体磁场。 通过差分地互连它们，输出信号-是轨道不均匀性的量度。 这些主要是由轨道夹，岔口等不规则造成的，例如裂缝或信号电缆。假设信号和表示随机过程。由于传感器安装在轨道头上方恒定的高度（如图2b所示），并且轨道车辆在小时间隔内以几乎恒定的速度在开放的轨道上行驶，因此规则间隔的夹具产生的信号，是具有恒定幅度和频率的；这代表一个平稳的信号，假设是由未知的理想钳位过程产生的。匝道，电缆和金属杂物代表非平稳信号分量。信号包含两个元素，静态和非静态，都被叠加在噪声过程中，假设为零均值的白高斯噪声。噪声主要是由振动和电子元件引起的，而且还包含了电子部件的夹具变形、转向架运动和老化效应的影响。由于低通滤波器安装在传感器硬件中，并在随后的软件中使用，因此整体信号包括较高的信噪比。滤波器分两阶段设计为四阶巴特沃斯滤波器。第一阶段以1000Hz的截止频率消除干扰，第二阶段使用基于当前速度估计的自适应截止频率（例如，带通具有40Hz高通和20Hz的低通的截止频率，则速度为20 m / s，给定的夹具距离为0.6 m）。

图 2

3.2速度估计

速度估计的工作原理，与基于视觉的系统或基于多普勒原理的雷达传感器相比，比较大程度上不受环境扰动的影响，并且由于差分设置，其对于系统的影响是鲁棒的。这些性能对于在恶劣的铁路条件下，速度的可靠性测量是非常需要的。速度的估计，可以通过在图2b中以理想化形式描绘的两个传感器信号和的互相关来实现。假设已知两传感器距离和测量时间差，首先采用优化硬件实现的方法，应用闭环相关器（CLC）。与开环系统相比，CLC通过构建控制回路并将导数设置为零来跟踪信号之间的时移，而后通过改进的牛顿 - 拉夫逊方案实现。硬件通常用极性相关器，便于实现。

四 基于模型的速度和距离估计

一些古典方法，例如上述CLC，依赖于静态随机过程的假设，比如互相关间期内恒定速度的隐含假设。在大多数驾驶情况下，这是正确的，但是在低速机动中，速度的相对变化可能会发生很大的变化。不幸的是，在一些重要的地区，即在车站或分流场内，这些地方是低速的，但速度估计的高准确性尤为重要。

本节介绍基于精确模型的速度估计的新方法。虽然该系统仍然基于互相关估计，但是在核心中，我们增加用当前列车加速度的模型估计。后者由实现最大互相关质量所必需的信号“翘曲”的量决定。这种优化的速度估计是递归贝叶斯框架中后续估计的输入。从这个阶段的加速度，用于验证和控制信号翘曲的假定等级，因为在互相关中发现的加速度和随后的基于模型的估计步骤，必须是可比较的。此外，我们的系统允许将列车速度估计为，这在基本互相关中是不可能的。整体算法设置如图3所示。

基于模型的信号重采样是我们方法的关键步骤。重要性与信号的整流相当，以表示恒定速度假设，这是适当的互相关结果的先决条件。在图4b中定性地表示出了正确加速度假设的影响。信号的应用重采样，导致了高得多的周期性和微小偏移的最大值。

4.1重采样

这里重采样步骤的目的，是消除相关窗平均效应对速度估计的影响。代替假定恒定速度，系统基于恒定加速度的假设。 该思想是在该假设下找到信号和的时间偏移，及等式中的互相关的最大化

（1）

加速度在重采样前后相等间隔长度的信号中有效。间隔内的平均速度由起始速度和当前加速度定义。因此，行驶距离为

（2）

图 3

下面是长度方程

（3）

用于长度为N的离散序列和采样时间。可以用（3），使用辅助变量来描述原始样本与重采样输出样本的关系，

(4)

这导致了

（5）

通过使用一个公式（5），可以使翘曲因子k重新形成，实现更加实用的结构域。当考虑极值时，则可以看出

（6）

因此，k在-1和1之间的数值有限，为了确定acirc;和，zeta;在（6）中被替换

图 4

（7）

因此，用于最大化互相关系数的信号重采样，由表示信号应变的k来描述。 图4说明了k对互相关质量的影响及其对轨道车辆加速度估计的适用性。

该数据强调了选择k对于加速度的影响。在右侧，通过两个相关函数示出了在k〜0.45之间，扭曲信号之前和之后的相关质量的上升。图片左侧的虚线符合相应的曲线。在确定相关系数rho;的最佳k之后，对重采样信号和应用互相关。使用具有全局最大化的开环方法，因为计算都在PC或微处理器上完成，无需进行优化。此外，抛物线内插产生更好的结果。在给定间隔内对平均速度v（t）和加速度acirc;（t）计算

（8）

其中L是相关积分范围内的采样量， - 传感器距离， - 采样时间。 通过对于子样本精度的抛物线的近似，计算这些值的相关最大值，最小化在较高列车速度下具有显着影响的量化效应。

4.2卡尔曼滤波器

在本文中，数据集成取决于卡尔曼滤波方法。它以最优的方式将线性系统的噪声测量与所有相关信息相结合，以对其变量或状态进行估计。

如图3所示，的估计被解释为测量值，并用于卡尔曼滤波器中。轨道车辆的基本运动特性通常由慢速加速度描述，并适合很常见的线性状态空间系统，这些系统主要在恒速和恒定加速度模型之间波动。我们的方法使用恒定加速度模型来计算最终速度估计和行驶距离。与上述CLC的纯互相关方法不同，由于滤波器的固有预测特征，这使得正确的速度估计可以降到0。卡尔曼滤波器还估计加速度。该估计用于验证在先前的扭曲和互相关步骤中计算的加速度。如果两个加速度之间有较高偏差，表示滤波器的发散或对信号翘曲作出错误的假设。尽管行进距离的卡尔曼滤波器估计，已经可以对中小区域定位出正确结果，但我们建议使用附加步骤，估计速度来计算空间信号。

五 基于轨枕的距离估计

基于计数轨枕或轨道夹具的距离估计，取决于轨枕是以规则的方式铺设的，因为大多数轨道现在由自动化机器铺设，通常会改变600-650mm之间的距离。该原理在图5中示出，显示出了需要检测的相应信号。

图 5

5.1 计数原理

事件检测的必要条件是，从原始时间信号或改变的空间信号和估计速度，以及

（9）

本文的其余部分使用而不是来阐明算法的工作原理。 然而，也可以使用第二信道信号来获得第二计数结果，该信号是互相关的速度估计所必需的。除了随机错误更高的鲁棒性，也允许对结果进行冗余检查。

为了避免在不规则图案的区域中计数错误，例如通过路标，首先将合适的滤波器应用于信号。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[138398]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章