[发明专利]一种基于多源信息智能融合的地铁列车测速方法

说明书

本发明公开了一种基于多源信息智能融合的地铁列车测速方法，根据列车运行工况，选用测速电机、多普勒雷达、加速度计这三种传感器分别获取速度、加速度的实测值，使用神经网络将它们进行智能融合；即将列车上安装的三种传感器实测数据作为特征输入到径向基函数神经网络的输入层，隐藏层则利用神经网络的非线性映射特性及自学习能力，通过大量的样本数据训练，调整优化径向基函数神经网络的参数，输出层输出三源信息融合后的数据，得到地铁列车的实时速度数值；本发明在现有测速电机与多普勒雷达组合测速技术的基础上，充分利用神经网络的非线性映射及自学习能力特性，智能间接调整三种传感器实测值的权值，提高了测速的精确性和可靠性。

技术领域

本发明涉及轨道交通系统技术领域，特别是涉及一种基于多源信息智能融合的地铁列车测速方法。

背景技术

列车测速是测量列车在轨道上运行的实时速度，目的是速度防护和列车定位，速度防护是通过车载测速设备将实际速度上传给车载子系统，并与紧制速度曲线对照，一旦列车实际速度超过紧制速度，列车产生信号紧制；列车定位依靠车载测速设备和布置在轨道中央的固定点式应答器(信标)组合得出，车载测速设备计算列车走行距离，应答器(信标)提供报文位置数据，经过一定的算法得出列车在线路上的定位，并通过车地无线控制单元，实时连续地将列车位置上报至中央控制器，进而得到移动授权，实现列车在线路上安全高效运行。

城市轨道交通有多种类型形式，地铁是其中占比最大也最重要的一种类型。地铁列车具有主要行驶在地下隧道的特点，利用全球卫星导航系统的卫星测速方法对于地铁列车测速处于失效状态，地铁列控系统的测速传感器通常使用测速电机(OPG)、编码里程计(ODO)、霍尔式速度传感器、多普勒雷达传感器和加速度计等各种检测装置，这些传感器各有其优缺点，如何合理的利用上述多种传感器在时间、空间上的互补或冗余实测数据(信息)进行有机融合，实现对列车速度的安全可靠测量及实时精确估计，是目前地铁列控车载ATP的一大难题，也是各大信号厂商的核心技术。

测速电机(OPG)具有测速范围广、工作适应温度宽、使用寿命长的优点，在列车测速测距单元中使用最多，但是车轮空转或打滑时测速失效，目前西门子、阿尔斯通、卡斯柯、安萨尔多、北京交控等各大信号厂商均使用它作为主用传感器；多普勒雷达测速传感器在轨道交通测速领域中经常作为辅助传感器；加速度计属于惯性导航装置，除了测速之外还可以检测车轮空转、打滑等异常状态，常作为备用传感器与其它传感器一起使用；编码里程计(ODO)实际应用不多。

因使用单一种类(单源)传感器的测速方式均存在缺点和不足，具有较大的局限性，造成列车测速可靠性和准确性相对较差，多源信息融合测速方式具有高可靠性、高精确性、强冗余性的特点，非常适用于列车测速领域，因此当使用单一的传感器进行测速不能满足列车对测速精度与可靠度的要求时，为了获得更好的测速效果，常对列车测速采用扬长避短、优势互补、组合运用的策略，考虑选取多种传感器搭配使用，但需要根据列车运行环境和各种传感器的特点加以优化组合。

多传感器融合测速方案是列车测速技术研发的主攻方向，它通过选用多种测速传感器、运用各种融合方法实现高可靠性和精确性的列车测速效果，国内外专家学者根据不同测速传感器的性能特点进行优化组合，对多传感器组合方案进行了许多研究；与此同时，传感器数据融合算法也成为热门的研究方向之一，因此，为了提高测速精确性和可靠性以提高列控水平，选择适合的传感器种类和设计优秀的融合算法就显得尤为重要。

目前，地铁列控系统主流测速单元多数采用测速电机与雷达相结合或者测速电机与加速度计相结合的方式，多源信息融合测速是目前列车测速的热门方向，如何根据列车运行环境合适选择传感器类型及信息融合算法的创新是该方向的研究重点。

研究人员最近提出了许多种新的传感器组合应用技术方案，北京交通大学赵悦彤的《基于多源信息融合的列车测速方法研究》将测速电机(OPG)、雷达、加速度计的测量值作为信息源，提出了融合三种信息源的列车组合测速方案，它对于地铁测速尤其适合。