基于因子图的BDS/IMU列车定位信息融合模型

作     者：王运明 程相 李卫东 初宪武 WANG Yunming;CHENG Xiang;LI Weidong;CHU Xianwu

作者机构：大连交通大学自动化与电气工程学院辽宁大连116028 中车长春轨道客车股份有限公司国家工程技术中心吉林长春130000 

基　　金：国家自然科学基金资助项目(61471080) 辽宁省教育厅科学研究计划资助项目(JDL2020002) 辽宁省科学技术计划资助项目(2021-BS-219) 

出 版 物：《铁道科学与工程学报》 (Journal of Railway Science and Engineering)

年 卷 期：2023年第20卷第3期

页      码：1077-1084页

摘      要：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。

主 题 词：列车定位 信息融合 因子图 BDS/IMU 高斯-牛顿迭代 

学科分类：08[工学] 082302[082302] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.19713/j.cnki.43-1423/u.T20220672

馆 藏 号：203120971...