10.19713/j.cnki.43-1423/u.T20220672
基于因子图的BDS/IMU列车定位信息融合模型
精确的列车位置信息是保证列车高速、安全运行的关键.针对北斗卫星导航系统(Beidou Navigation Satellite System,BDS)/惯性测量单元(Inertial Measurement Unit,IMU)列车组合定位模型采用传统信息融合方法误差较大,导致列车定位精度不高的问题,提出基于因子图的BDS/IMU列车定位信息融合模型.采用因子图理论,将BDS和IMU传感器接收到的量测信息抽象为因子节点,状态信息抽象为变量节点,构建BDS/IMU列车定位信息融合因子图模型,当BDS接收有效信号时,只需在因子图的特定时间添加因子节点,实现定位传感器的即插即用.模型中定义了以BDS/IMU列车定位状态信息和量测信息为变量的联合概率密度函数,根据非线性优化理论,通过泰勒展开进行线性化处理,转化为标准最小二乘问题,设计高斯-牛顿迭代的因子图推理算法,求解联合概率分布函数的最大后验估计,计算BDS/IMU列车定位信息的最优估计值,得到列车的精确位置信息.通过模拟数据和实际数据对模型进行验证表明,相比于kalman算法,因子图模型有效降低了列车的位置误差和速度误差,且未出现误差发散现象,有效实现了列车不同定位传感器的非等间隔融合,增强了列车定位的信息融合能力,提高了列车定位的精确性.在实测数据下,列车定位位置均方根误差降至2 m以下,明显小于kalman算法,可为列车的高速可靠运行提供精确的位置信息.
列车定位、信息融合、因子图、BDS/IMU、高斯-牛顿迭代
20
U284(铁路通信、信号)
国家自然科学基金;辽宁省教育厅科学研究计划资助项目;辽宁省科学技术计划基金资助项目
2023-04-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
1077-1084