加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.     

基于惯导/数据链的动态相对定位方法

针对卫星导航定位在复杂环境不可靠情况下如何实现无人机机间相对定位问题,提出一种基于机载惯性导航系统与机间数据链测距相结合的动态相对定位算法。该方法利用机载数据链通信测距能力与机载惯性导航系统输出的无人机速度矢量信息结合,建立机间相对定位模型,通过最小二乘法对无人机之间的相对位置进行估计,实现无人机机间的实时相对定位能力。由于通过最小二乘法解算出的相对定位结果依然存在误差,针对最小二乘法相对定位误差,提出秩亏网平差算法对无人机机群间的相对定位误差进行校正。仿真结果表明：基于最小二乘法的相对定位方法可以减缓惯性导航系统相对定位误差发散速度并且将惯导相对定位精度提高到3倍左右,通过秩亏网平差算法校正将最小二乘相对定位精度提高2倍。     

线性最小二乘法的RSSI定位精确计算方法

基于接收信号强度指示(RSSI)定位模型,提出了一种目标节点位置的精确计算方法。将RSSI定位问题所描述的非线性优化函数转化为线性最小二乘法估计问题,将定位结果直接用代数解表示。分别提出了目标节点信号发射强度已知和未知下的非约束线性最小二乘(ULLS)定位方法。同时对非约束线性最小二乘法下的参数进一步优化,提出了约束线性最小二乘法以提高定位精度。仿真验证了该定位计算方法的有效性,测试了不同信号强度噪声对定位误差的影响。结果同时表明,约束线性最小二乘法比非约束线性最小二乘法的定位误差更小,非常接近于定位结果的克拉美罗下界值(CRLB)。     

基于约束总体最小二乘的泰勒级数定位算法

目前基于到达时间差(Time Difference of Arrival,TDOA)的无线定位算法既不能在基于距离平方差(Squared Range-Difference,SRD)的误差平方和最小模型中获得总体最小二乘准则下的全局最优解,也不能在基于距离差(Range-Difference,RD)的误差平方和最小模型中获得普通最小二乘准则下的全局最优解。将泰勒级数法与约束总体最小二乘法(Constraint Total Least Square,CTLS)相结合,提出一种基于约束总体最小二乘的泰勒级数定位算法(CTLS-Taylor)。利用CTLS方法获得目标节点的粗估计位置,并将该位置作为泰勒级数展开法的初始点,通过迭代,获得目标节点的精估计位置。仿真结果表明,CTLS-Taylor算法不仅能够获得与QCLS-Taylor算法相同的定位精度,而且迭代次数有了明显减少;同时与CTLS定位算法相比,当测量噪声较高时,CTLS-Taylor算法的定位精度更高。     

基于TDOA改进的矿山井下机车定位方法

为提高矿山井下机车的定位精度,提出了一种基于到达时间差（Time Difference of Arrival,TDOA）改进的矿山井下机车定位方法。采用超声波和无线电传播时间差实现测距,分析了测距技术在井下运用时产生的误差,并对误差进行补偿。为了修正机车定位过程中产生的位移误差,把位移误差化简为机车到节点的距离误差。通过规律性地布置节点和惯性导航技术,计算出位移后机车到节点的距离。使用最小二乘法估计出机车的初始位置坐标,并通过泰勒级数最小二乘法修正坐标实现定位,定位精度可达12 cm。相比于传统的定位算法,该方法增加了定位精度,且在机车不同速度下,保持了较为稳定的定位精度。     

无线传感器网络中的节点自适应周期定位

无线传感器网络节点自定位算法是无线传感器网络系统的重要组成部分,是无线传感器网络中所有应用得以实现的基础。基于最小二乘估计的自适应周期定位算法采用周期定位机制控制网络中节点定位,使用基于接收信号强度指示的测距技术获取节点间距离,启动定位周期,直至定位周期终止,完成定位。未知节点采用极大似然估计得到初解,使用最小二乘估计获得自身位置坐标的最终解。仿真实验表明,基于最小二乘估计的自适应周期定位算法能显著提高网络中未知节点的定位率,有效抑制测距误差的传播,提高了节点定位精度。     

多基地声纳系统中目标位置与速度联合估计

在多基地声呐系统中,为了利用时间和与多普勒频率量测同时估计运动目标的位置与速度,设计了一种闭式的估计器.其中,使用误差修正的方法,改善了传统的多步加权最小二乘估计器.该估计器只涉及线性加权最小二乘运算,在量测高斯噪声较小的情况下,均方误差可以达到克拉美罗下界(CRLB).通过计算机模拟对比了该估计器的均方误差与CRLB,并比较了其与传统多步加权最小二乘估计器的性能,结果表明:估计器的均方误差小于传统多步加权最小二乘估计器.     

利用外辐射源的TDOA和FDOA目标定位算法

针对单站外辐射源条件下的目标定位问题,提出了一种基于最大似然的时差-频差联合定位算法。首先根据时差和频差的观测方程,构建目标位置和速度的最大似然估计模型。然后采用牛顿迭代算法对最大似然估计模型求解,得到目标位置和速度估计。最后,推导了算法的克拉美罗界和理论误差,并证明了二者相等。仿真结果表明,算法定位精度高于两步加权最小二乘算法和约束总体最小二乘算法,在测量误差较高时仍能达到克拉美罗界。通过对系统几何精度因子图的分析,确定目标及外辐射源数量和位置也是影响定位精度的重要因素。     

基于IGG抗差最小二乘法的三相配电网谐波状态估计

针对传统最小二乘法在谐波状态估计量测数据中混有粗差时的处理能力不足,提出了一种基于IGG法的抗差最小二乘法。抗差估计是统计学里面常用的一种针对数据中含有粗差的处理方法,而抗差最小二乘法就是将抗差估计和最小二乘法相结合的一种新的估计方法。该方法对量测数据进行降权、保权和淘汰,改善量测数据的权重,从而抵御了粗差对估计结果带来的恶劣影响。同时,目前大多数的配电网谐波状态估计模型采用简化的单相模型,并未考虑配电网三相不平衡的特点,本文建立了配电网的三相数学模型,并采用IEEE33节点系统进行仿真分析,在量测数据中混有粗差时分别运用抗差最小二乘法和传统最小二乘法求解并对估计结果进行误差对比,算例结果表明了抗差最小二乘法具有较强的抗差能力且估计精度优于传统最小二乘法。     

加权最小二乘估计在无线传感器网络定位中的应用*

节点自身定位是目前无线传感器网络领域研究的重点之一,定位误差累积问题是节点定位中必须解决的一个关键问题,利用加权最小二乘估计的方法可以有效抑制累积误差的影响。介绍了如何将加权最小二乘估计应用于节点定位以及如何合理地选择加权系数以降低定位误差。仿真实验表明,运用加权最小二乘估计可以有效地抑制误差累积的影响,提高定位精度。     

基于人工鱼群算法的列车运行调整方法研究

由于列车运行调整是大规模、非线性、强约束、建模困难的问题,用一般运筹学方法不易求解。基于人工鱼群算法,提出列车运行调整方法,并给出了详细的计算步骤。具体的,考虑车站到发线数目约束和列车越行约束,以列车进入车站和驶离车站的总晚点时间最少为目标,建立了高速铁路列车运行调整模型。利用郑西高铁运输数据进行仿真,结果说明人工鱼群算法在列车运行调整中具有有效性和收敛性。     

Position computation models for high-speed train based on support vector machine approach

High-accuracy positioning is not only an essential issue for efficient running of high-speed train (HST), but also an important guarantee for the safe operation of high-speed train. Positioning error is zero when the train is passing through a balise. However, positioning error between adjacent balises is going up as the train is moving away from the previous balise. Although average speed method (ASM) is commonly used to compute the position of train in engineering, its positioning error is somewhat large by analyzing the field data. In this paper, we firstly establish a mathematical model for computing position of HST after analyzing wireless message from the train control system. Then, we propose three position computation models based on least square method (LSM), support vector machine (SVM) and least square support vector machine (LSSVM). Finally, the proposed models are trained and tested by the field data collected in Wuhan-Guangzhou high-speed railway. The results show that: (1) compared with ASM, the three models proposed are capable of reducing positioning error; (2) compared with ASM, the percentage error of LSM model is reduced by 50.2% in training and 53.9% in testing; (3) compared with LSM model, the percentage error of SVM model is further reduced by 38.8% in training and 14.3% in testing; (4) although LSSVM model performs almost the same with SVM model, LSSVM model has advantages over SVM model in terms of running time. We also put forward some online learning methods to update the parameters in the three models and better positioning accuracy is obtained. With the three position computation models we proposed, we can improve the positioning accuracy for HST and potentially reduce the number of balises to achieve the same positioning accuracy.     

高速动车组多模型切换主动容错预测控制

高速动车组持续高速运行,对控制系统的可靠性和抗干扰能力提出了更高要求.结合高速动车组非线性动力学特点和系统运行数据,应用减法聚类和模式分类算法建立高速动车组多模型集;为适应对象和扰动特性的变化建立高速动车组自适应模型;采用基于累计误差最小的切换策略在线选择最优控制模型,据此设计主动容错预测控制算法来实现高速动车组安全高效运行.最后,仿真实例验证了该方法的有效性.     

基于虚拟现实的高铁在坡道地段的运动仿真

在坡道地段的运动仿真是高铁在整个运动仿真中的重要部分.为了研究高铁在坡道地段的运动仿真,本文提出了基于虚拟现实的高铁运动仿真模型.首先构建高铁模型和地形;然后将高铁抽象成绳体模型,从动力学角度分析高铁在坡道地段上的受力情况和运动状态;最后在虚拟现实引擎Unreal Engine中进行相关蓝图节点的连接,利用其提供的完整套件、实时高逼真的渲染效果,将其应用在高铁的仿真中.对研究高铁线路选取设计、模拟运行以及列车速度等参数和地形的适应关系等提供了很好的手段和方法,使模拟效果与列车实际运行状态最大程度匹配,同时也给相关的其他研究提供了参考.     

基于LabVIEW的高速列车远程监测系统设计

随着高铁运营速度的不断提高,对高速列车进行长期的实时监测,有利于保障列车的行车安全.在明确监测需求的基础上,开发出基于LabVIEW的高速列车车下设备舱远程监测系统.系统以LabVIEW软件为编程平台,以NI CompactRIO硬件结构体系为载体,选择可重复配置的FPGA数据采集模块进行数据采集,数据传输采用DMA FIFO方法,实现了车下设备舱关键受力部位吊架和支座数据的高速采集、实时显示、远程传输等功能.通过远程监测系统对采集的数据进行实时查看,可以实时掌握列车的运行状态,对维护列车运行的安全性和稳定性具有重要意义.     

高速列车速度跟踪神经网络PID控制器的设计

高速列车速度跟踪控制系统是一个复杂的非线性系统,难以取得高精度的跟踪性能。为了减少速度跟踪误差,设计了高速列车神经网络PID控制器。首先建立了描述列车运行过程的单位移多质点模型,该模型考虑了列车的基本阻力和附加阻力以及车厢之间的相互作用力。然后阐述了BP神经网络PID控制,并设计了列车速度跟踪控制器,根据速度误差用神经网络PID控制决定牵引力和制动力。最后与模糊控制和常规PID控制进行了仿真对比,结果表明,神经网络PID控制具有很小的速度跟踪误差和优越的速度跟踪性能,可以满足列车正点运行的需求。     

高铁列车运行计划检验仿真模型研究*

研究采用仿真手段快速检验高铁列车运行计划可行性所需的核心模型。模型以改进Petri网为工具,根据高铁列车运行特点及高铁路网功能,分别将列车视为托肯,线路和车站视为库所,通过自定义多种变迁实现列车空间位置变换及运行信息传递。建模基于部件组合思想,考虑列车运行过程中的随机扰动,可根据不同检验需求及所需路网数据快速生成仿真框架并完成系统运行,但仅适用于高铁常采用的单向运行运输组织模式。模拟实例表明模型可开发,模拟结果基本符合客观实际,不仅可检验高铁列车运行计划的可行性,还可作为支撑模型开发具有更多用途的仿真平台。     

城轨美式应答查询器状态分析与故障检测

城市轨道交通中应答器传输系统是对行进列车进行精确定位的关键系统,列车定位是保证基于通信的列车控制系统（CBTC）安全高效工作的前提。在运营过程中,应答器传输系统在因线路老化、列车振动、设备故障等原因出现信标丢失的故障,导致无法对列车进行定位而引起列车制动,这对列车运行造成极大的影响,更是线路运营的重大安全隐患。目前城市轨道交通中针对车载设备的故障,采取的检修方法是整体更换故障设备,维修成本高且效率低下。为减少车载设备故障情况,本文通过对应答器传输系统中的美式应答查询器的工作状态进行研究,旨在根据其工作状态判断应答查询器故障的具体位置,提出了一种针对应答查询器的故障的检测流程,为城轨车载设备的故障检测提供了指导,有良好的应用价值与实际意义。     

高铁山地场景下的车地无线信道建模

高铁列车经过山地场景时由于散射体分布不均匀使得无线信号呈现明显的衰落特性。针对这一现象,提出一种在高速运行状态下列车与基站之间的车地无线信道建模方法。在列车相对基站的不同位置区间内,采用马尔科夫链模拟平均接收信噪比的状态变化,根据高铁山地场景中的路径损耗模型计算得到平均接收信噪比阈值、量化值及信道状态转移矩阵,从而建立有限状态马尔科夫链(FSMC)信道模型。仿真结果表明,与通过均匀与非均匀划分列车位置范围建立的信道模型相比,FSMC模型均方误差最小,可有效评估列车与基站之间的通信质量。     

基于策略梯度强化学习的高铁列车动态调度方法

高速铁路以其运输能力大、速度快、全天候等优势,取得了飞速蓬勃的发展.而恶劣天气等突发事件会导致列车延误晚点,更甚者延误会沿着路网不断传播扩散,其带来的多米诺效应将造成大面积列车无法按计划运行图运行.目前依靠人工经验的动态调度方式难以满足快速优化调整的实际要求.因此,针对突发事件造成高铁列车延误晚点的动态调度问题,设定所有列车在各站到发时间晚点总和最小为优化目标,构建高铁列车可运行情况下的混合整数非线性规划模型,提出基于策略梯度强化学习的高铁列车动态调度方法,包括交互环境建立、智能体状态及动作集合定义、策略网络结构及动作选择方法和回报函数建立,并结合具体问题对策略梯度强化学习(REINFORCE)算法进行误差放大和阈值设定两种改进.最后对算法收敛性及算法改进后的性能提升进行仿真研究,并与Q-learning算法进行比较,结果表明所提出的方法可以有效地对高铁列车进行动态调度,将突发事件带来的延误影响降至最小,从而提高列车的运行效率.