科研之友
微信
新浪微博
Facebook
分享链接
摘要
我国下一代列车运行控制中，列车位置主要通过融合以卫星定位为核心的多源定位信息得到。然而，卫星量测易受到钟跳或环境多源噪声等不确定因素影响，产生阶跃故障或瞬时粗大偏差等现象，导致传统扩展卡尔曼滤波估计失准且稳定性下降。通过分析常规滤波方法在列车位置估计中存在的问题，采用信息理论学习思想提出一种基于最大相关熵准则的自适应扩展卡尔曼滤波定位方法(AMCEKF);利用最大相关熵准则替换传统滤波中的最小均方差准则，选择高斯核函数作为代价函数，重构量测噪声，避免了量测噪声的先验高斯假设；设计基于Pseudo-Huber的核宽度自适应更新策略，解决核宽度对估计性能的制约问题。采用拉萨—林芝铁路实测数据进行测试，测试结果表明：在瞬时故障和阶跃故障场景下，AMCEKF均能够有效抑制故障量测带来的定位性能退化，具有较高的鲁棒性和估计精度；相比基于扩展卡尔曼滤波的定位结果，水平位置精度分别增加了56.5%和61.2%。
-
单位轨道交通控制与安全国家重点实验室; 北京交通大学; 电子信息工程学院
