擺式列車線路信息檢測系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、開行擺式列車是實現(xiàn)既有線路提速的一種有效措施。本文結(jié)合我國首列國產(chǎn)擺式列車的研制工作展開。主要對擺式列車線路信息檢測系統(tǒng)及其信號處理方法進行研究，以期建立有效的檢測系統(tǒng)和方法，為擺式列車傾擺控制提供及時、準確、可靠的檢測信息。 為了實現(xiàn)擺式列車的傾擺控制，必須實時檢測列車通過曲線時的相關(guān)運行參數(shù)，關(guān)鍵是獲得列車通過曲線時的未平衡離心加速度信號，據(jù)此產(chǎn)生傾擺控制指令。針對目前國內(nèi)外擺式列車線路信息檢測系統(tǒng)存在的主要問題(加速度信號

2、經(jīng)濾波后產(chǎn)生延時)，在國內(nèi)首次提出了基于單軸陀螺平臺的擺式列車線路信息檢測方法和基于“數(shù)學平臺”的擺式列車線路信息檢測方法。理論分析和線路試驗都表明這兩種檢測方法能有效克服加速度信號濾波延時的問題，可為傾擺控制及時、準確、可靠地提供檢測信息。 基于單軸陀螺平臺的擺式列車線路信息檢測系統(tǒng)，利用安裝在頭車車體地板上的單軸陀螺平臺和車體與懸掛系統(tǒng)之間的兩個位移傳感器建立測量的水平基準線，不僅可測量出列車通過曲線時線路的超高值，而且可測

3、量出曲線曲率值。利用所測線路參數(shù)經(jīng)計算便可得到擺式列車傾擺控制所需未平衡離心加速度的大小，為傾擺控制提供指令信息。論文詳細分析了其測量原理、測量誤差并建立了相應的數(shù)學模型。線路試驗表明該方法能滿足擺式列車傾擺控制實時性的要求。 基于單軸陀螺平臺的擺式列車線路信息檢測方法是建立在陀螺平臺系統(tǒng)具有良好的動態(tài)特性的基礎之上。論文首先利用最小二乘法及其改進算法建立了描述陀螺平臺系統(tǒng)動態(tài)特性的差分數(shù)學模型，并對其動態(tài)特性進行了分析。然后在

4、此基礎上，采用零極點匹配法設計了相應的動態(tài)補償數(shù)字濾波器，并對基于神經(jīng)網(wǎng)絡的動態(tài)補償方法進行了研究，設計了相應的神經(jīng)網(wǎng)絡動態(tài)補償器。通過對陀螺平臺線路實測超高信號進行補償處理，獲得滿意的效果。 為了提高檢測系統(tǒng)可靠性，降低成本，論文首次把“數(shù)學平臺”的概念引入到擺式列車的研究中。建立了“數(shù)學平臺”系統(tǒng)的數(shù)學模型；并根據(jù)剛體定點轉(zhuǎn)動的基本理論建立了姿態(tài)、位置解算的數(shù)學模型，對擺式列車通過曲線時的姿態(tài)、位置解算問題進行了全面深入的研

5、究；詳細分析了擺式列車通過曲線時的圓錐運動效應及其對姿態(tài)解算的影響；研究了圓錐誤差補償?shù)摹岸嘧訕印彼惴?。仿真計算表明采用該補償算法能有效提高擺式列車姿態(tài)、位置解算精度，確保列車正確傾擺。 基于“數(shù)學平臺”的擺式列車線路信息檢測方法，由于積分運算，傳感器測量誤差將引起顯著的隨時間逐漸累積的姿態(tài)、位置計算誤差。消除和削弱該項誤差的影響是“數(shù)學平臺”檢測系統(tǒng)在擺式列車中成功應用的關(guān)鍵。論文采用基于卡爾曼濾波的動態(tài)誤差補償方法對“數(shù)學平

6、臺”系統(tǒng)誤差進行了補償研究。通過對“數(shù)學平臺”檢測系統(tǒng)的各種誤差因素進行詳細分析，建立起完整的誤差數(shù)學模型。狀態(tài)變量的可觀測性和可觀測度直接決定了卡爾曼濾波器狀態(tài)估計的效果。論文基于PCWS可觀測性分析方法和SVD可觀測度分析方法，詳細分析了列車運動機動性對可觀測性和可觀測度的影響，并對外部觀測量的選取對卡爾曼濾波效果的影響進行了分析、討論?？紤]傳感器測量誤差和實際線路激擾對卡爾曼濾波的影響，為了增強算法對噪聲和模型不確定性的魯棒性，論

7、文還研究并提出一種能同時估計模型參數(shù)和狀態(tài)變量的新的卡爾曼濾波算法。最后，通過仿真計算，驗證了該動態(tài)誤差補償方法的有效性。 為消除由于軌道不平順等因素所帶來的隨機振動干擾對傳感器信號的影響，論文研究了一種基于卡爾曼濾波理論的動態(tài)自適應濾波算法，該法把非平穩(wěn)隨機信號模型參數(shù)和噪聲統(tǒng)計特性的實時估計與卡爾曼濾波算法結(jié)合起來，能實現(xiàn)擺式列車線路檢測信號的有效濾波處理，減小振動干擾噪聲等誤差因素對測量結(jié)果的影響。這種基于卡爾曼濾波理論的

8、自適應濾波算法要求已知信號的參數(shù)模型，且其實時建模精度是影響動態(tài)濾波效果的關(guān)鍵。論文針對非平穩(wěn)隨機信號AR模型的實時建模理論和方法進行了深入研究，研究了多種非平穩(wěn)隨機信號的實時建模方法并對之進行分析比較。理論分析和仿真計算表明，時變參數(shù)差分模型-RLSAF算法、狀態(tài)空間模型一帶時變漸消因子的卡爾曼濾波算法對非平穩(wěn)隨機信號具有很強的跟蹤性能，是實現(xiàn)非平穩(wěn)隨機信號實時建模的兩種有效的算法。 最后建立了擺式列車線路信息檢測系統(tǒng)，并進行