[发明专利]基于递归快速正交搜索的列车组合定位方法及系统

说明书

本发明公开了一种基于递归快速正交搜索的列车组合定位方法及系统，其中，方法，包括：获取实时数据；构建系统非线性误差模型；判断卫星信号是否良好；若卫星信号良好，则使用扩展卡尔曼滤波算法对所述实时数据进行融合，并且将扩展卡尔曼滤波算法的预测值作为输入，系统非线性误差模型的非线性速度误差作为输出，进行模型训练；如在卫星信号较差，则使用递归正交搜索算法进行在线建模，结合所述扩展卡尔曼滤波算法的预测值对系统非线性误差模型的非线性速度误差进行估计，从而补偿输出的速度信息，并利用补偿后的速度信息计算当前的位置信息，从而得到修正后的速度和位置信息。提高了在卫星信号受到干扰时列车定位的精度。

技术领域

本发明涉及列车定位领域，具体地，涉及一种基于递归快速正交搜索的列车组合定位方法及系统。

背景技术

列车定位是列车运行控制系统重要的组成部分之一，列控系统需要在实时获取列车准确位置的前提下进行控制决策。现有列控系统的列车定位单元主要使用轨道电路、应答器等轨旁设备，并需要定期的维护和更换。现有的列车运行控制系统主要采用GNSS(Global Navigation Satellite System，全球导航卫星系统)与INS(InertialNavigation System，惯性导航系统)组合的定位方式作为列车定位单元，GNSS/INS组合定位方法具有定位精度高、自主性能好等特点，能够有效提高整个系统的容错能力、位置信息可信度以及时间-空间覆盖范围，是当前列车测速定位技术的重要发展方向。完整的列车组合定位系统主要包括以下几个部分：定位传感器、定位计算处理单元以及接口模块，其中定位传感器主要依靠外界信号(GNSS卫星播发信号)或随安装情况自主感应(IMU,InertialMeasurement Unit，惯性测量单元)列车实时运行状态,通过定位计算处理模块进行传感器数据解析以及位置计算，然后将结果由接口模块输出至相关功能模块。

然而，由于列车运行环境复杂多样，运行途中需要经过隧道或峡谷等卫星信号受到严重干扰的区域，从而导致GNSS服务中断或产生多径效应，进而使得定位精度下降。另一方面，虽然INS作为一种独立的方法能够提供短期精度较高的定位结果，但是由于受到噪声影响以及自身传感器的误差，随着时间的推移，INS的性能会迅速恶化，特别是在GNSS信号中断期间，在没有外部校正的情况下INS会产生严重的定位误差。虽然通过利用GNSS和INS的互补特性，将它们的测量结果融合，通常使用卡尔曼滤波器(Kalman Filter，KF)消除INS误差的线性部分来补偿系统输出，但是由于KF是基于高斯白噪声驱动的线性误差状态模型，这不足以描述INS的非线性误差。扩展卡尔曼滤波(Extended Kalman Filter，EKF)通过在非线性系统上应用一阶近似使用线性化模型。但是，线性化会导致高非线性系统的滤波器性能差和发散。无迹卡尔曼滤波(Unscented Kalman Kilter，UKF)是一种可提供更好性能的替代方法。然而，UKF需要花费比EKF更多的计算时间来计算非线性变换的随机变量的统计量。

为了克服KF及其变型的局限性，需要不依赖线性动态模型和平稳随机误差的非线性技术。埃尔希米等(2004)提出了基于自适应神经模糊推理系统(Adaptive Neuro-FuzzyInference System，ANFIS)模块的人工智能(Artificial Intelligence，AI)算法作为解决方法。但是基于人工智能的方法都需要较长的训练时间，不能保证系统的实时性。此外，它们高度依赖训练数据的一致性，容易陷入局部极小点，并且算法精度仍有待提高。

发明内容

本发明的目的在于，针对上述问题，提出一种基于递归快速正交搜索的列车组合定位方法及系统，以实现至少部分的解决现有技术中存在的问题。

为实现上述目的，本发明采用的技术方案是：

一种基于递归快速正交搜索的列车组合定位方法，包括：

获取实时数据；

构建系统非线性误差模型；