基于信息檢測融合的列車運行研究

天津市地下鐵道運營有限公司 宋 寧

1.高速列車運行信息分析

通常高速列車運行過程中信息量大，所以分析都比較復雜。主要包括：列車的速度、位置、列車的外形及動力等基本參數、線路的基本數據以及行車外部環境條件等六大類。

2.列控信息融合研究

為全面分析列控系統的集成性能，充分考慮各種信息，按信息抽象層次，將列車的控制信息為兩層三級進行融合，方便在不同層面對列控信息進行融合處理，實現信息融合的全面性。

2.1 卡爾曼濾波算法的運行信息融合模型

根據常見離散系統的特性，列車運行過程的數學模型為：

模型中的參數k是采樣時間，X(k)是該時間下的狀態參數，Z(k)為系統模型的觀測參數，W(k)是隨機噪聲參數，V(k)是觀測噪聲參數，Φ(k+1,k)為系統的狀態轉移矩陣，H(k)是系統的測量矩陣。

2.2 模型改進與仿真分析

卡爾曼濾波算法結合自適應的基本要求是需要在各子濾波器中增加傳感器的噪聲估計，而且要在主濾波器中增加系統噪聲估計，對模型的噪聲以及測量噪聲的統計特性進行估計和修正，達到抑制濾波的發散、降低模型的誤差，最終達到提高濾波精度的目的。算法過程如下：

3.仿真分析

仿真軟件使用MATLAB仿真軟件，對改進前后的模型算法和改進后的模型算法進行仿真對比分析。

根據圖1中能夠反映出當在不同路測速傳感器進行單獨各自測算時，所監測到的高速列車的速度曲線出現了顯著的波動，反而，通過聯合濾波處理后的曲線波動明顯有所改善，并且基本呈現出穩定平滑漸變的態勢。利用圖2，我們可以發現，通過使用改進后的自適應聯合卡爾曼濾波算法所計算出的融合效果圖，相比聯合卡爾曼濾波的融合結果，通過改進后的自適應濾波結果更加穩定，精度也更加高。所以證實了自適應算法使聯合卡爾曼濾波算法的優越性，這種改進后的濾波方式可以有效地消除噪聲帶來地干擾從而將測速精度大大地提高，重要的是系統地穩定性得到了有效地改善。

圖1 常見卡爾曼濾波仿真圖

圖2 卡爾曼濾波結合自適應仿真圖

4.融合性能分析

為了能夠驗證模型的融合效果，現以行車許可模型為例，在車地信息傳輸部分加入故障模塊，模擬通道失效，錯誤數據進入系統的過程。

利用故障注入子模塊對系統進行故障注入分析（見圖3），采用不同的故障注入系數，通過多次仿真分析，分別采集了融合處理前后不同節點的錯誤信息，并且將采集的數據進行歸類統計，計算出統計的加權平均值，計算出了最終的實驗數據統計結果。

通過圖4顯示，數據在未進行融合處理前，會出現較多次數的錯誤信息，并且錯誤發生的頻次將隨著故障注入率的增加而變大。但是利用了融合數據分析處理后，錯誤信息發生率有了明顯地改善。因此證明了，當車載系統開始計算速度監控曲線前，將有效的信息通過改進后的融合處理之后可以有效地使發生錯誤信息的頻次進行很好地控制，因此，車載系統中控制計算層可以利用信息融合方法以達到提高高速列車控制系統的可靠性與安全性。

圖3 故障注入模型

圖4 故障注入效果示意圖

5.結論

為了在高速列車計算系統中提高列車運行信息的可靠性與安全性，本文旨在重點分析了測速數據、行車許可命令、線路信息以及臨時限速信息的多項融合處理方案，車載設備層分別使用不同的分析法對數據信息采取融合處理，并進行了仿真驗證，建立了列控系統總體融合模型，分析了測速信息融合處理結構，創新建立出了一套基于聯合卡爾曼濾波算法的高速列車測速信息融合模型。并且模型通過使用自適應卡爾曼濾波算法對進行改進后，仿真驗證了模型的正確性和改進方法的有效性。

[1]唐松柏,黃問盈.我國高速列車速度分級[J].中國鐵道科學,2006,27(2):77-82.

[2]林瑜筠,譚麗,涂序躍等.高速鐵路信號技術[M].北京:中國鐵道出版社,2012:222-274,372-401.

[3]何友,王國紅,關欣.信息融合理論及應用[M].北京:電子工業出版社,2010:2-68,91-177.

[4]International Conference on Control[C].UK:Swansea,IEEE,1998:969-974.