面向列車完整性監(jiān)測的慣性傳感器校準方法研究.pdf

1、基于GNSS/INS多傳感器的列車完整性監(jiān)測系統(tǒng)利用多種傳感器進行組合定位獲取列車頭尾實時加速度、速度、位置信息，進而通過監(jiān)測列車長度、頭尾速度差值實現(xiàn)列車完整性判別。慣性傳感器是該系統(tǒng)的重要組成部分，用于測量列車頭尾的加速度和角速度信息。慣性傳感器數(shù)據(jù)的準確性直接影響列車完整性判決結果的準確性和可靠性。在列車運行環(huán)境下，慣性傳感器受車體晃動、內燃機振動、周邊設備電磁干擾等多種因素造成信號誤差，因此需要對慣性傳感器數(shù)據(jù)進行校準。本文針對

2、列車運行環(huán)境下的慣性傳感器信號誤差特性進行分析建模，應用最優(yōu)小波包降噪、零速校正等技術，提出了慣性傳感器隨機誤差的動態(tài)校準方案，包括慣性傳感器信號降噪、誤差建模、數(shù)據(jù)校準三個步驟。
　　本研究主要內容包括：⑴基于最優(yōu)小波包的信號降噪方法。結合列車運行環(huán)境下慣性傳感器信號隨機誤差分量較多的特性，提出使用最優(yōu)小波包的信號降噪方法作為校準方案的第一步。采用香農(nóng)熵作為代價函數(shù)計算最優(yōu)小波包分解樹，使用硬閾值處理小波包分解系數(shù)，通過滑動數(shù)據(jù)

3、窗方式實現(xiàn)對慣性傳感器信號實時降噪。⑵基于ARMA的慣性傳感器信號隨機誤差建模。根據(jù)降噪后慣性傳感器信號隨機誤差特性，選擇基于ARMA的時間序列模型，使用AIC檢測方法計算模型最優(yōu)階數(shù)，并對模型參數(shù)辨識方法進行推導說明。⑶基于零速補償?shù)腁RMA-Kalman動態(tài)校準方法。提出基于廣義似然比的零速檢測方法，識別列車運動的零速狀態(tài)，對慣性傳感器觀測量進行修正。同時使用ARMA模型建立Kalman濾波器，實現(xiàn)對隨機誤差的實時修正，從而完成慣性