阅读说明：本技术 基于抗差卡尔曼滤波的bds/ins组合列车定位方法 (BDS/INS combined train positioning method based on robust Kalman filtering ) 是由 陈光武 樊子燕 石建强 程鉴皓 司涌波 邢东峰 杨菊花 李文元 于 2019-09-03 设计创作，主要内容包括：本发明公开了一种基于抗差卡尔曼滤波的BDS/INS组合列车定位方法,包括：检测列车运行的零速场景,得到所述零速场景相对应的约束条件；基于所述零速场景和相应的约束条件,获取误差模型；基于所述零速场景选择相应的抗差卡尔曼滤波器；将获取的所述误差模型的误差观测信息经选择的抗差卡尔曼滤波器修正解算后,得到修正的导航数据,基于所述导航数据对列车进行定位。以实现在多种传感器融合时,提高定位可靠性和精度的优点。(the invention discloses a BDS/INS combined train positioning method based on robust Kalman filtering, which comprises the following steps: detecting a zero-speed scene of train operation to obtain a constraint condition corresponding to the zero-speed scene; acquiring an error model based on the zero-speed scene and a corresponding constraint condition; selecting a corresponding robust Kalman filter based on the zero-speed scene; and correcting and resolving the obtained error observation information of the error model through a selected robust Kalman filter to obtain corrected navigation data, and positioning the train based on the navigation data. The method has the advantages of improving the positioning reliability and precision when various sensors are fused.)

基于抗差卡尔曼滤波的BDS/INS组合列车定位方法

技术领域

本发明涉及列车定位领域，具体地，涉及一种基于抗差卡尔曼滤波的BDS/INS组合列车定位方法。

背景技术

21世纪以来，在提高铁路运输效率、减少运营维护成本、保障铁路运输安全方面，铁路信号系统尤其是列车运行控制系统的信息化起着至关重要的作用，而基于全球卫星导航系统的列车自主定位是列车运行控制系统的信息化的重要一环。北斗卫星导航系统(BDS简称北斗，是我国自主设计开发、独立建设运行的全球卫星导航系统，是我国空间信息化的重大成果。目前，BDS已可为亚太地区提供功能完整的导航定位服务，2020年全面建成后可提供覆盖全球的精准定位、导航和授时(Positioning，Navigationand Timing，PNT)服务。作为我国具有自主控制权的卫星导航系统，扩大和深化BDS在我国交通、通信、国防等关键部门的应用具有极为重要的战略意义。

惯性导航系统(INS)随着惯性器件快速发展和与BDS系统的互补特性，成为实现BDS/INS组合定位的重要组成部分。基于我国铁路未来发展对于列车自主定位的需求以及北斗卫星导航系统铁路应用的广阔前景，加上惯性导航技术、嵌入式电子系统技术等新技术水平的不断提高，对可行、高效的铁路站场列车自主定位方法进行研究具有重要的现实意义和应用价值，为实现列车全天候连续自主定位、为既有线乃至高速铁路列车定位技术的发展提供关键技术支撑。传统列控系统中主流列车定位方法主要有三种：一是采用基于速度传感器(包括轮轴传感器、多普勒雷达和测速电机等)的定位方法积分推算列车实时位置，二是应用地面点式应答设备更新列车当前位置，三是使用轨道电路进行列车的区间占用检测。传统定位方法各有不足，或依赖轨旁地面设备，建设、维护成本高，或基于运动推算，需要列车在运动状态并有初始化信息和误差校正，都无法完全实现列车自主定位。国内学者和机构针对列车自主定位中定位数据源组合方式、组合定位方法、地图匹配算法、数字轨道地图的构建己有一定积累，当前导航定位技术正在快速发展，从目前铁路应用领域对于列车自主定位的需求来看，可靠、高效的列车自主定位系统的研究仍有巨大的发展空间。

惯性导航系统(INS)以其全天候工作、不易受外界环境干扰等优势得到广泛应用，微机电系统(MEMS)由于其成本低、体积小、易于集成以及功耗低等优点，近年来成了惯性导航系统的首选器件，基于MEMS的惯性测量单元(IMU)能够测量载体运动的三轴陀螺信息和加速度信息，通过姿态解算就能够得到载体姿态，实现惯性导航。但是陀螺仪具有温度漂移特性，长时间运行漂移严重，并且积分运算会产生累积误差；加速度计易受载体震动和运动加速度的影响。当这几个传感器分别独立工作时，都会由于各自的局限性而导致较大的偏差，不能单独用于姿态的测量，而将多种传感器融合后，存在外部干扰多，可靠性和精度差的问题。

发明内容

本发明的目的在于，针对上述问题，提出一种基于抗差卡尔曼滤波的BDS/INS组合列车定位方法，以实现在多种传感器融合时，提高定位可靠性和精度的优点。

为实现上述目的，本发明实施例采用的技术方案是：

一种基于抗差卡尔曼滤波的BDS/INS组合列车定位方法，包括：

检测列车运行的零速场景，得到所述零速场景相对应的约束条件；

基于所述零速场景和相应的约束条件，获取误差模型；

基于所述零速场景选择相应的抗差卡尔曼滤波器；

将获取的所述误差模型的误差观测信息经选择的抗差卡尔曼滤波器修正解算后，得到修正的导航数据，

基于所述导航数据对列车进行定位。

作为本发明实施例的一种具体实现方式，所述零速场景，包括：

第一零速场景：列车相对于地面静止；

第二零速场景：列车处于运动状态，但基于载体坐标系下垂直地面方向和垂直轨道运动方向的速度分量为0；

或

第三零速场景：列车相对于地面做匀速直线运动。

作为本发明实施例的一种具体实现方式，所述检测列车运行的零速场景，包括：

基于列车在设定时间段内处于零速状态的条件，检测第二零速场景；

基于检测列车的速度，检测所述第一零速场景或第三零速场景。

作为本发明实施例的一种具体实现方式，所述基于列车在设定时间段内处于零速状态的条件，检测第二零速场景，包括：

检测列车在(t₀,t_s)时刻处于零速状态是否符合以下条件：

f(t)＝g,ω(t)＝0，其中t₀和t_s表示时间,f(t)为列车在t时刻的比力值，ω(t)为列车在t时刻的角速度值，g为重力加速度；

若不符合条件，则为第二零速场景。

作为本发明实施例的一种具体实现方式，所述基于检测列车的速度，检测所述第一零速场景或第三零速场景，包括：

获取车轮速度传感器的输出速度；

若所述输出速度为0，则为第一零速场景；

若所述输出速度不为0，则为第三零速场景。

作为本发明实施例的一种具体实现方式，所述误差方程，包括：

姿态误差方程、速度误差方程或位置误差方程。

作为本发明实施例的一种具体实现方式，所述姿态误差方程为：

其中，为姿态误差的导数向量；为地球自转角速度在n系的投影；为n系相对于e系的旋转角速度在n系的投影；分别为的误差；为姿态角向量；εⁿ为n系的等效陀螺漂移。

作为本发明实施例的一种具体实现方式，所述速度误差方程为：

其中，为速度误差的导数向量；fⁿ为比力在n系的投影；Vⁿ为速度向量；δVⁿ速度误差向量；为姿态角向量；为地球自转角速度在n系的投影；为n系相对于e系的旋转角速度在n系的投影；分别为的误差；为加速度计漂移，Vⁿ表示速度，δVⁿ表示Vⁿ的误差。

作为本发明实施例的一种具体实现方式，所述位置误差方程为：

其中，L、λ、h分别为列车的经度、纬度和高度；δL、δλ、δh为经度、纬度和高度误差；分别为δL、δλ、δh的导数；R_M R_N分别为沿地球卯酉圈和子午圈的曲率半径，V_E、V_N、V_U分别为东北天坐标系中东北天三个方向的速度。

作为本发明实施例的一种具体实现方式，所述抗差卡尔曼滤波器为：

在标准卡尔曼滤波的基础上采用抗差估计实时调整观测误差向量方差的大小。

本发明的实施例具有以下有益效果：

本发明实施例，根据检测的列车运行的零速场景，从而获取相应的误差模型以及滤波器，然后将误差模型的误差观测信息经相应滤波器处理后，对导航数据进行修正，从而调节各传感器观测值的比重，有效降低粗差观测值对估计结果的影响，以提高列车定位的精确性和可靠性。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明实施例所述的基于抗差卡尔曼滤波的BDS/INS组合列车定位方法的流程图；

图2为本发明实施例所述的基于抗差卡尔曼滤波的BDS/INS组合列车定位方法使用的硬件结构的示意图；

图3为本发明实施例所述的零速场景检测流程图；

图4为本发明实施例所述的仿真实验流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

如图1所示，一种基于抗差卡尔曼滤波的BDS/INS组合列车定位方法，包括：

S101：检测列车运行的零速场景，得到所述零速场景相对应的约束条件；

在具体的应用场景中，定位方法采用的定位系统包括，卫星导航系统，如BDS北斗卫星导航系统，IMU惯性测量单元和ODO速度传感器；

检测列车运行的零速场景时，通过IMU惯性测量单元和ODO速度传感器的输出信息，结合零速场景的约束条件，来检测列车运行的零速场景。

如图2所示，主要包括IMU惯性导航传感器(3DM-AHRS300A航姿参考系统)、BDS北斗卫星接收机、ODO速度传感器和PC端；软件部分主要包括数据采集软件和算法编辑软件(MATLAB)。其中的加速度计、陀螺仪集成在3DM-AHRS300A航姿参考系统中。

S102：基于所述零速场景和相应的约束条件，获取误差模型；

S103：基于所述零速场景选择相应的抗差卡尔曼滤波器；

S104：将获取的所述误差模型的误差观测信息经选择的抗差卡尔曼滤波器修正解算后，得到修正的导航数据，

S105：基于所述导航数据对列车进行定位。

作为本发明实施例的可选的一种实现方式，所述零速场景，包括：

第一零速场景：列车相对于地面静止；

第二零速场景：列车处于运动状态，但基于载体坐标系下垂直地面方向和垂直轨道运动方向的速度分量为0；

或

第三零速场景：列车相对于地面做匀速直线运动。

在具体的应用场景中，

根据列车行驶状态(静止、匀速直线运动、变速运动)将整个列车行进过程区分为三种零速场景:

(1)第一零速场景(列车相对于地面静止)，其约束条件为：

其中，V_E、V_N、V_U分别为东北天三个方向的速度。

(2)第二零速场景(列车处于运动状态，但基于载体坐标系下垂直地面方向和垂直轨道运动方向的速度分量为0)，其约束条件为：

其中，V_by、V_bz分别为垂直地面方向和垂直轨道运动方向的速度分量。

(3)第三零速场景(第三零速场景为第二零速场景的特殊情况，列车相对于地面做匀速直线运动)，其约束条件为：

其中，分别为列车基于载体坐标系下沿行驶方向Y轴的速度导数，载体系垂直于行驶方向的X轴和Z轴的速度导数。

作为本发明实施例的可选的一种实现方式，所述检测列车运行的零速场景，包括：

基于列车在设定时间段内处于零速状态的条件，检测第二零速场景；

基于检测列车的速度，检测所述第一零速场景或第三零速场景。

作为本发明实施例的一种具体实现方式，所述基于列车在设定时间段内处于零速状态的条件，检测第二零速场景，包括：

检测列车在(t₀,t_s)时刻处于零速状态是否符合以下条件：

f(t)＝g,ω(t)＝0，其中t₀和t_s表示时间，f(t)为列车在t时刻的比力值，ω(t)为列车在t时刻的角速度值，g为重力加速度；

若不符合条件，则为第二零速场景。

作为本发明实施例的可选的一种实现方式，所述基于检测列车的速度，检测所述第一零速场景或第三零速场景，包括：

获取车轮速度传感器的输出速度；

若所述输出速度为0，则为第一零速场景；

若所述输出速度不为0，则为第三零速场景。

在具体的应用场景中，如图3所示，

对于第一零速场景和第三零速场景，列车在(t₀,t_s)处于零速状态符合以下条件：

f(t)＝g,ω(t)＝0，

可以依据以上条件来将第二零速场景从三种零速场景中区分出来，但根据以上条件无法区分第一零速场景和第三零速场景，因此引入车轮速度传感器ODO的输出作为检测的开关量，若输出速度为0，则为第一零速场景，若输出速度不为0则为第三零速场景。

作为本发明实施例的可选的一种实现方式，所述误差方程，包括：

姿态误差方程、速度误差方程或位置误差方程。

作为本发明实施例的可选的一种实现方式，所述姿态误差方程为：

其中，为姿态误差的导数向量；为地球自转角速度在n系的投影；为n系相对于e系的旋转角速度在n系的投影；分别为的误差；为姿态角向量；εⁿ为n系的等效陀螺漂移。

作为本发明实施例的可选的一种实现方式，所述速度误差方程为：

其中，为速度误差的导数向量；fⁿ为比力在n系的投影；Vⁿ为速度向量；δVⁿ速度误差向量；为姿态角向量；为地球自转角速度在n系的投影；为n系相对于e系的旋转角速度在n系的投影；分别为的误差；为加速度计漂移，Vⁿ表示速度，δVⁿ表示Vⁿ的误差。

作为本发明实施例的可选的一种实现方式，所述位置误差方程为：

其中，L、λ、h分别为列车的经度、纬度和高度；δL、δλ、δh为经度、纬度和高度误差；分别为δL、δλ、δh的导数；R_M R_N分别为沿地球卯酉圈和子午圈的曲率半径，V_E、V_N、V_U分别为东北天坐标系中东北天三个方向的速度。

作为本发明实施例的可选的一种实现方式，所述抗差卡尔曼滤波器为：

在标准卡尔曼滤波的基础上采用抗差估计实时调整观测误差向量方差的大小。

在具体的应用场景中，

卡尔曼滤波器为抗差卡尔曼滤波器，具体算法如下：

随机系统状态空间模型为：

式中，Φ_k/k-1为从k-1时刻到k时刻的状态转移矩阵；X_k为状态向量；Z_k为观测向量；W_k是系统误差向量；V_k是观测误差向量；H_k为系数矩阵；W_k，V_k满足以下性质：

E[W_k]＝0；E[V_k]＝0；

Cov[W_k,W_j]＝0，k≠j；Cov[V_k,V_j]＝0，k≠j；Cov[W_k,V_j]＝0，

经典卡尔曼滤波算法描述为：

其中，分别为k时刻的状态向量和对应的后验方差阵；分别为k时刻的状态一步预测值和对应的协方差阵；K_k为k时刻的滤波器增益。

为了抑制观测误差的影响，在标准卡尔曼滤波的基础上，采用抗差估计原理，实时调整的大小，抗差卡尔曼滤波器在第k时刻的估计值可以表示为：

其中，是含有等价观测权矩阵的滤波器增益，表示为：

观测值Z_k的等价权矩阵可以采用Huber权函数：

其中，P_i为等价权元素；k是常量，一般为2.5-3.0；V_i为Z_k的标准化残差；c为常数，通常取1.5。

系统状态向量为：

过程噪声向量为：

W_k＝[w_ωx w_ωy w_ωz w_fx w_fy w_fz]^T，

其中，w_ωx、w_ωy、w_ωz、w_fx、w_fy、w_fz分别为陀螺仪和加速度计在载体系下的噪声，可以认为是零均值的高斯白噪声。

对于第一零速场景,有：

观测矩阵为：

H＝[0³I³ 0³ 0³ 0³]，

其中，I为单位矩阵。

对于第二零速场景,有：

由于对其进行全微分可得：

设[Vⁿ]_×是Vⁿ的反对称矩阵，则上式为：

得观测矩阵为：

H＝[0^2×3 FΜ₁ FΜ₂ 0^2×3 0^2×3]，

对于第三零速场景,有

其中，V_bx为列车沿行驶方向的速度分量。

同理得观测矩阵为：

H＝[0³ FΜ₁ FΜ₂ 0³ 0³]。

本发明实施例采用零速校正技术，可以不依赖外部设备，不受外部信号的干扰，自主进行误差修正，进而抑制系统速度、姿态计算误差的发散；

本发明实施例在零速检测时，用ODO速度传感器来辅助检测列车的零速场景，更加方便快捷，减少算法的计算量；

本发明实施例采用抗差估计融合卡尔曼滤波算法，能识别异常观测值，利用等价权函数自适应地调节各传感器观测值的比重，有效降低粗差观测值对估计结果的影响，以提高列车定位的精确性和可靠性。仿真实验流程图设计如图4所示。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。