一种列车速度实时估计的方法

1.本发明涉及轨道交通领域，具体是一种列车速度实时估计的方法。


背景技术：

2.近年来我国的轨道交通行业朝着高速、重载的方向迅猛发展，随之而来的是给列车运行安全性和服役运维带来巨大挑战。运行速度作为列车运营时的核心指标之一，获取准确的车速对于列车行车运营组织、防滑控制等方面具有实际的应用意义。准确获取列车运行速度，是列车的移动闭塞、超速保护等运行安全防护技术的基础；此外，车轮空转识别检测中也引入了列车绝对速度，如若列车绝对速度不准确导致未能检测出车轮打滑，车轮将空转滑行，严重时会使得车轮擦伤影响车轮服役寿命和列车运行品质。
3.现有列车速度估计方法中，主要依靠雷达、转速传感器及地面设备等装置进行测速。发明人在实际使用过程中发现，这些现有技术至少存在以下技术问题：
4.1.在地面上铺设应答器测速需要大量物力成本，且无法实现连续动态测速。
5.2.列车运行时牵引制动力通过轮轨间的蠕滑力作用在钢轨上，在大牵引制动力时(尤指重载机车)，由于车轮的蠕滑车轮转速要高于实际列车运行速度，如果车轮出现打滑，其转速更是无法作为估计列车运行速度的依据。
6.3.采用雷达估计列车运行速度时容易受到定位精度、隧道、天气条件等因素的影响。


技术实现要素：

7.本发明的目的在于克服现有技术的不足，提供一种列车速度实时估计的方法，包括如下步骤：
8.s1，在列车运行时采集各轴箱的加速度信号；
9.s2，以移动窗口截取加速度信号并对截取的加速度信号进行带通滤波；
10.s3，通过广义互相关方法对滤波后的截取的加速度信号进行相关性分析得到截取的加速度信号间的时延和相关系数；
11.s4，结合传感器间恒定的纵向距离l和与时延t
sft
得到列车运行的测量速度vi；
12.s5，采用相关系数对得到的多个速度测量值进行加权平均得到估计的列车车速v
est
。
13.进一步的，所述的以移动窗口截取加速度信号并对截取的加速度信号进行带通滤波，包括如下过程：
14.列车运行时输出窗选的轴箱垂向加速度信号，其中的窗口的长度lw，lm为窗口每次移动的长度，随着列车向前运动，窗口也跟随向前更新输出信号；窗口在尚未计算出参考速度时需要包含两个传感器在内，窗口长度不小于l；在得到参考速度之后，单一窗口可变化为两个只包含单一传感器的独立窗口；对信号进行相干性分析，得到信号在不同频率上的相干程度，使用巴特沃斯滤波器对加速度信号进行带通滤波，滤波频带选取相干性超过设
定值的部分：
[0015][0016]
式中，p
12
为输入信号的互相关功率谱，p
11
和p
22
为输入信号的自相关功率谱。
[0017]
进一步的，所述的通过广义互相关方法对滤波后的截取的加速度信号进行相关性分析得到截取的加速度信号间的时延和相关系数，采用如下公式：
[0018][0019][0020][0021]
式中，ai为输入的加速度信号；g
12
(w)为输入信号的卷积；a(w)为广义互相关方法的path权值；r
12
为输入信号的广义互相关函数。
[0022]
进一步的，时延值为信号相关函数最大值所对应的时间，采用如下公式：
[0023]
t
sft
＝arg max r
12
(τ)
[0024]
进一步的，通过两个传感器信号间时延和它们纵向距离之间的关系得到列车运行速度，采用如下公式：
[0025][0026]
式中，v
ref
为上一时刻估计出的参考速度，当初始时刻尚未估计出参考速度时，计算公式如下：
[0027][0028]
进一步的，所述的采用相关系数对得到的多个速度测量值进行加权平均得到估计的列车车速v
est
，采用如下公式：
[0029][0030]
式中，t
sft
为时延值；fi为速度估计加权值，vi为单组数据估计出的速度值，n为估计出的速度个数。
[0031]
进一步的，所述的速度估计加权系数为相干函数的最大值，采用如下公式：
[0032]
f＝max(c
ij
)
[0033]
式中，c
ij
为两输入信号的相干函数，f为采用此组信号进行速度估计所使用的加权值。
[0034]
本发明的有益效果是：本发明不受天气环境影响，不受线路条件限制，不需要安装地面设备，可准确实时估计出列车运行速度，并采用冗余设计提高了识别准确度及可靠性，节省了人力物力。
附图说明
[0035]
图1是一种列车速度实时估计的方法的流程示意图；
[0036]
图2是算法流程示意图；
[0037]
图3是信号窗选示意图；
[0038]
图4是加速度信号相干性分析示意图；
[0039]
图5是多个车速加权平均估计过程的示意图；
[0040]
图6是本发明实施例中匀速工况下列车运行速度的识别对比曲线示意图；
[0041]
图7是本发明实施例中匀速工况下列车运行速度的识别误差曲线示意图；
[0042]
图8是本发明实施例中变速工况下列车运行速度的识别对比曲线示意图；
[0043]
图9是本发明实施例中变速工况下列车运行速度的识别误差曲线示意图。
具体实施方式
[0044]
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
[0045]
为了使本发明的目的，技术方案及优点更加清楚明白，结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0046]
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
[0047]
而且，术语“包括”，“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程，方法，物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程，方法，物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程，方法，物品或者设备中还存在另外的相同要素。
[0048]
以下结合实施例对本发明的特征和性能作进一步的详细描述。
[0049]
如图1所示，一种列车速度实时估计的方法，包括如下步骤：
[0050]
s1，在列车运行时采集各轴箱的加速度信号；
[0051]
s2，以移动窗口截取加速度信号并对截取的加速度信号进行带通滤波；
[0052]
s3，通过广义互相关方法对滤波后的截取的加速度信号进行相关性分析得到截取的加速度信号间的时延和相关系数；
[0053]
s4，结合传感器间恒定的纵向距离l和与时延t
delay
得到列车运行的测量速度vi；
[0054]
s5，采用相关系数对得到的多个速度测量值进行加权平均得到估计的列车车速v
est
。
[0055]
算法流程图如图2所示。
[0056]
所述的以移动窗口截取加速度信号并对截取的加速度信号进行带通滤波，包括如下过程：
[0057]
列车运行时输出窗选的轴箱垂向加速度信号，其中的窗口的长度lw，lm为窗口每次移动的长度，随着列车向前运动，窗口也跟随向前更新输出信号。窗口在尚未计算出参考速度时需要包含两个传感器在内，窗口长度不小于l；在得到参考速度之后，单一窗口可变化为两个只包含单一传感器的独立窗口。对信号进行相干性分析，得到信号在不同频率上的相干程度，使用巴特沃斯滤波器对加速度信号进行带通滤波，滤波频带选取相干性超过设定值的部分。
[0058][0059]
式中，p
12
为输入信号的互相关功率谱，p
11
和p
22
为输入信号的自相关功率谱。
[0060]
所述的通过广义互相关方法对滤波后的截取的加速度信号进行相关性分析得到截取的加速度信号间的时延和相关系数，采用如下公式：
[0061][0062][0063][0064]
式中，ai为输入的加速度信号；g
12
(w)为输入信号的卷积；a(w)为广义互相关方法的path权值；r
12
为输入信号的广义互相关函数。
[0065]
所述的采用相关系数对得到的多个速度测量值进行加权平均得到估计的列车车速v
est
，采用如下公式：
[0066]
t
sft
＝arg max r
12
(τ)
[0067][0068]
式中，t
sft
为时延值；fi为速度估计加权值，vi为单组数据估计出的速度值，n为估计出的速度个数。
[0069]
具体的，本发明包括以下步骤：
[0070]
s1，在列车走行部上布设加速度传感器；在列车运行时测量各轴箱的加速度信号；
[0071]
s2，以移动窗口形式截取信号并对信号数据进行带通滤波；
[0072]
s3，通过广义互相关方法对信号进行相关性分析得到信号间的时延和相关系数；
[0073]
s4，结合传感器间恒定的纵向距离l和与时延t
sft
反推得到列车运行的速度vi；
[0074]
s5，采用相关系数对得到的多个速度测量值进行加权平均得到估计的列车车速v
est
。
[0075]
列车运行时实时输出窗选的轴箱垂向加速度信号，窗口形式如图3所示，其中lw为窗口的长度，lm为窗口每次移动的长度。随着列车向前运动，窗口也跟随向前更新输出的数
据。输出的加速度时域信号如图4(a)所示，对信号进行相干性分析，得到信号在不同频率上的相干程度如图4(b)所示，使用巴特沃斯滤波器对加速度信号进行带通滤波，滤波频带选取相干性超过0.5的部分。对滤波后的信号作广义互相关计算，计算方法如下所示。
[0076][0077][0078][0079]
式中，ai为输入的加速度信号；g
12
(w)为输入信号的卷积；a(w)为广义互相关方法的path权值；r
12
为输入信号的广义互相关函数。
[0080]
相关性计算结果如图5所示。图中相关性峰值最大处即为时延值，将对应的峰值(相关系数)作为权值可对得到的多个速度值进行加权平均。
[0081]
t
sft
＝arg max r
12
(τ)
ꢀꢀ
(4)
[0082][0083]
式中，t
sft
为时延值；fi为速度估计加权值，vi为单组数据估计出的速度值，n为估计出的速度个数。
[0084]
图6～7为列车以初始40km/h的速度惰行时的识别速度和真实车速的对比和误差。可以看出，惰行运行时车辆运行速度略有下降，识别速度能反映出车速的微弱变化，最大识别误差低于0.3％；图8～9为列车以初始40km/h的速度变速运行时的识别速度和真实车速的对比和误差。可以看出，变速运行时车辆运行速度先惰行，然后进行牵引加速，车速由40km/h增加到45km/h左右然后保持惰行一段时间，最后车辆制动减速，在整个过程中识别速度能反映出车辆速度正常的加减速变化，最大识别误差低于0.7％
[0085]
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。