基于卡爾曼濾波的軌道小車速度估算方法

李雄

（昆明船舶設備研究試驗中心，昆明650051）

基于卡爾曼濾波的軌道小車速度估算方法

李雄

（昆明船舶設備研究試驗中心，昆明650051）

針對在軌道上運行的小車由于車輪打滑和鎖死所引起的速度測量誤差，在分析基于卡爾曼濾波算法的車輪速度信息和車身加速度信息融合處理方法的結構及算法基礎上，提出了一種基于模糊卡爾曼濾波算法的軌道小車速度估算方法。運用模糊控制思想，根據測量值和估算值之間的差值，在線調節觀測噪聲的方差值，優化卡爾曼濾波器參數，達到軌道小車速度的精確測量。這種通過車輪測速裝置測量出車輪的旋轉速度和加速度計測量車身的加速度并采用卡爾曼濾波算法測速方法,是對軌道上運動小車的一種新型測速方法。軌道上的運動小車測速系統需要克服車輪跳動、丟碼及慣性測量等引起的誤差。

軌道小車；信號融合處理；模糊控制；卡爾曼濾波；算法；測量

1 引言

目前軌道運動體速度的測量方法主要有車輪速度傳感器、多普勒測速雷達、電磁計程儀等。其中，速度傳感器適用于軌道運動體高速運動時的速度測量，雷達則在軌道運動體低速和車輪發生空轉或打滑時測量更加精確，它們均能在適用的環境下達到較好的測量效果。因某項目試驗需要，要求對軌道小車的速度及加速度進行高精度測量，由于環境的特殊性，上述幾種測速方法均存在不同的局限性，難以達到測量要求[1]。文章充分了考慮項目的試驗環境特性，提出以下測速方法，如圖1所示。

系統配備了一套車輪測速裝置和一套加速度計，通過車輪測速裝置測量出車輪的旋轉速度，加速度計測量車身的加速度，兩種信號經過處理器融合處理，最終得到軌道小車的速度值。

圖1 測速原理圖

系統很好的克服了車輪跳動、丟碼及慣性測量等引起的誤差，達到了良好的測量效果。

2 測量原理

2.1 車輪測速裝置及加速度計

車輪測速裝置通過測量車輪旋轉的頻率進而計算出小車運動的速度，結構簡單、易于實現，但受環境影響較大，當車身顛簸或車輪打滑時，測量精度較低。加速度計通過測量小車車身的加速度，通過積分計算得出速度值，但在安裝時需要有較好的水平度，且在長時間工作時會導致測量誤差積累，影響測量精度[2]。

2.2 算法結構

通過單一的測量方式并不能達到良好的測量效果，文章提出一種將測量所得的速度值和加速度值通過卡爾曼濾波算法進行信息融合，通過調節不同工況條件下，測量所得的速度值和加速度值在卡爾曼濾波器所占權重，達到速度值的精確測量。

圖2 基于模糊控制的卡爾曼濾波器結構

3 模糊卡爾曼濾波器的算法設計

3.1 卡爾曼濾波器推導及設計

小車車輪在行進過程中的打滑和車輪擠壓形變均會對計算的準確性產生影響，速度的真實值和計算值的相互關系為速度的測量值由速度的計算值和測量噪聲組成，即其中為速度的測量噪聲。同理，可得加速度的測量值其中為加速度的測量噪聲[3]。

在此假設速度和加速度的測量噪聲為平均值為零的高斯白噪聲（線性隨機微分系統，過程和測量都是高斯白噪聲）。

根據上述關系，可得卡爾曼濾波的離散化方程為：

其中：

根據卡爾曼濾波的遞推算法可得：狀態的一步預測方程（基于系統的上一個狀態）：

協方差的一步預測：

濾波增益方程：

濾波估計方程：

濾波協方差更新方程：

3.2 實際情況下的速度估計

3.2.1 加速度測量誤差

小車加速度計由于安裝不水平或在導軌上行駛時車身顛簸而產生測量誤差，但由于在濾波算法中加速度值主要在速度測量出現大的偏差時起修正作用，且其本身測量誤差值并不大，故將加速度計的測量值近似等同于真實值處理[5-6]。

3.2.2 速度測量誤差

當小車處于加速運動或車輪與導軌結合不良時均會產出車輪打滑和鎖死的現象，速度的測量值因此會有較大波動，需要利用合理的算法去除相關影響[7]。

3.3 基于模糊控制的卡爾曼濾波參數整定

軌道小車在正常行駛時，固定參數的卡爾曼濾波器能夠很好的濾去測量誤差，估計小車的速度，但當小車車輪打滑或測速傳感器因環境干擾而有所偏差時，固定參數的卡爾曼濾波器則不能很好的反應小車的真實速度。此時，就需要根據工況不同，通過改變測量噪聲協方差R的值改變速度值和加速度值的權重，進而調整小車的速度估計值[8]。

其中，對應的協方差越大，則說明該測量值越不可靠，在卡爾曼濾波算法中所占的權重越小，反之亦然。

4 結束語

針對軌道上的運動小車提出了一種新型測速方法，基于卡爾曼濾波算法將測得的速度和加速度信息融合起來。根據不同工況，運用模糊控制思想，根據測量值和估算值之間的差值，在線調節觀測噪聲的方差值，優化卡爾曼濾波器參數，達到軌道小車速度的精確測量。

[1]鄧自立.信息融合濾波理論及其應用[M].哈爾濱：哈爾濱工業大學出版社,2007. Deng ZhiLi.Information fusion filtering theory and application [M].Harbin:Publishing House of Harbin Institute of Technology,2007.

[2]秦永元，張洪鉞，汪叔華.卡爾曼濾波與組合導航原理[M].西安：西北工業大學出版社，1998 Qin Yongyuan,Zhang Hongyue,Wang Shuhua.Kalman and the principle of integrated navigation [M].Xi'an:Northwestern Polytechnical University press,1998.

[3]孫楓.組合導航系統[M].哈爾濱：哈爾濱工程大學出版社，1996. Sun Feng.Integrated navigation system[M].Harbin:Harbin Engineering University press,1996.

[4]劉通.基于模糊卡爾曼濾波的車速估計方法研究及硬件實現[D].吉林：吉林大學，2011. Liu Tong.Research and hardware realization of vehicle speed estimation based on fuzzy Calman filter[D].Jilin:Jilin University,2011.

[5]催平遠,黃曉瑞.基于聯合卡爾曼濾波的多傳感器信息融合算法及其應用 [J].電機與控制學報，2001，5（3）: 204-207. Cui PingYuan,Huang XiaoRui.Multi sensor information fusion algorithm based on joint Calman filter and application [J].Journal of motor and control,2001,5(3):204-207.

[6]嚴建鵬,陳小強,候濤.基于改進聯合卡爾曼濾波算法的列車測速信息融合 [J].鐵道科學與工程學報,2012,9(2): 89-93. Yan Jianpeng,Chen Xiaoqiang,Hou Tao.Train speed information fusion based on improved combined Kalman filtering algorithm [J].Journal of Railway Science and engineering, 2012,9(2):89-93.

[7]付夢印,鄧志紅，張續偉.Kalman濾波理論及其在導航系統中的應用[M].北京：科學出版社,2010. Fu Mengyin,Deng Zhihong,Zhang Xuwei.Kalman filtering theory and application in navigation system[M].Beijing:Science Press,2010.

[8]KERR TH.Decentralized filtering and redundancy management for multisenor navigatio[J].IEEE Trans on Aerospace and Electronic Systems.1987,23(1):83-119.

[9]SPEYER JI.Computation and transmission requirements For a decentralized linear-quadratic-Gaussian control problem [J].IEEE Trans on Automatic Control,1979,24(2):266-269.

Estimation Algorithm of Rail Vehicle Speed Operation Based on Fuzzy-Kalman Filter

Li Xiong
（Kunming Ship-borne Equipment Research and Test Center,Kunming 650051,China）

In view of measurement error caused by wheel slippage or locking on the vehicle operation on the rail,the structure and the algorithm of fusion processing method of wheel speed information and acceleration information,based on kalman filter algorithm,are discussed,and an estimating method of speed based on kalman filter algorithm is presented accordingly.According to the difference between measured value and estimated value,the fuzzy control theory is used to perform on-line adjustment for the observation noise variance value and optimize the kalman filter parameters for speed precise measurement of rail vehicle.A new speed measurement method,combining with the wheel speed measurement device for the wheel rotation speed,the accelerometer for the vehicle acceleration and the Kalman filter algorithm,is performed for track moving car.The moving vehicle speed measurement system on rail is required to overcome the errors caused by the wheel beat,the lost code and the inertia measurement.

Vehicle;Information fusion；Fuzzy control；Kalman filter；Algorithm；Measurement

10.3969/j.issn.1002-2279.2017.01.014

TP273

A

1002-2279-（2017）01-0057-03

李雄（1979-），男，云南省宣威市人，工程師,學士，主研方向:水下航行體綜合保障設備研制與開發。

2016-08-4