楊菊花,于 月,陳光武,劉射德,王 迪
(1.蘭州交通大學(xué) 交通運(yùn)輸學(xué)院,甘肅 蘭州 730070;2.甘肅省高原交通信息工程及控制重點(diǎn)實(shí)驗(yàn)室,甘肅 蘭州 730070;3.蘭州交通大學(xué) 自動(dòng)控制研究所,甘肅 蘭州 730070)
基于GNSS/SINS(Global Navigation Satellite System/Strapdown Inertial Navigation System)的列車組合定位系統(tǒng)可以為高速列車實(shí)時(shí)地提供精確的位置信息,減少運(yùn)營成本,提高運(yùn)行效率。由于列車運(yùn)行環(huán)境復(fù)雜多變,為了提高列車定位對復(fù)雜、苛刻的信號接收條件和惡劣環(huán)境的適應(yīng)能力,實(shí)現(xiàn)列車的無縫定位,需要考慮在隧道、路塹等區(qū)域衛(wèi)星信號缺失條件下列車的精確定位。低精度微機(jī)械電子系統(tǒng)(Micro Electro Mechanical System,MEMS)組合導(dǎo)航定位信息主要依賴于衛(wèi)星,在衛(wèi)星信號長時(shí)間不可用狀態(tài)下,MEMS由于誤差的快速發(fā)散,無法獨(dú)立完成列車速度和位置的測量,因此,在不考慮從硬件層面提高測量精度的前提下,需要考慮恰當(dāng)?shù)姆椒▽EMS的誤差進(jìn)行抑制,減少漂移誤差。
在提高微型慣性測量單元(Micro Inertial Measurement Unit,MIMU)定位精度,消除漂移誤差方面,國內(nèi)外的學(xué)者們做了大量的研究。文獻(xiàn)[1]根據(jù)功率譜密度分析法與Allan方差分析法獲得對應(yīng)各項(xiàng)隨機(jī)誤差的數(shù)學(xué)模型,結(jié)合Kalman濾波提高微慣性系統(tǒng)各個(gè)姿態(tài)精度。文獻(xiàn)[2]采用基于遺傳算法改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)對原始信號進(jìn)行逼近,從而對MEMS的誤差進(jìn)行辨識。文獻(xiàn)[3]建立隨機(jī)漂移誤差模型,通過基于ARMA的卡爾曼濾波方法對MEMS陀螺儀的誤差進(jìn)行估計(jì)和補(bǔ)償。文獻(xiàn)[4]采用了小波閾值去噪方法和RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法對MEMS誤差進(jìn)行補(bǔ)償,并通過實(shí)驗(yàn)證明其有效性。由于列車運(yùn)行的特殊性,衛(wèi)星失鎖的時(shí)間可能稍長,在衛(wèi)星信號不可用的情況下,常規(guī)的濾波算法在處理多樣本數(shù)據(jù)后更容易發(fā)散,在此情況下,需要不斷調(diào)整MEMS的誤差模型。
在衛(wèi)星定位應(yīng)用中,根據(jù)定位目標(biāo)的速度將載體分為靜態(tài)、中低動(dòng)態(tài)和高動(dòng)態(tài)三種,其中低動(dòng)態(tài)為較低的速度及導(dǎo)數(shù)值[5-6]。在對列車運(yùn)行條件研究的基礎(chǔ)上,本文提出一種基于列車運(yùn)動(dòng)約束的MEMS器件誤差抑制的方法。列車在隧道內(nèi)運(yùn)行時(shí),考慮到行車速度等因素引起的空氣動(dòng)力效應(yīng)對列車運(yùn)行的安全性、乘車的舒適性、行車阻力、車體結(jié)構(gòu)、隧道周圍環(huán)境、能耗均會(huì)造成不良影響,列車在隧道內(nèi)屬于低動(dòng)態(tài)的運(yùn)行方式,加速度較低[7-9],運(yùn)行線路固定,在不考慮器件安裝誤差的前提下,列車的俯仰角和橫滾角在理想情況下為零,加速度輸出值近似于當(dāng)?shù)刂亓?,利用這些約束條件可以對MEMS器件誤差進(jìn)行抑制,以達(dá)到MEMS的長時(shí)間可靠。
在GNSS衛(wèi)星信號失鎖情況下,衛(wèi)星接收機(jī)無法提供列車的準(zhǔn)確位置,且由于列車運(yùn)行線路固定,引入列車的運(yùn)動(dòng)學(xué)約束來抑制導(dǎo)航誤差。記導(dǎo)航坐標(biāo)系為n系,載體坐標(biāo)系為b系,則b系到n系的方向余弦矩陣[10]為
(1)
式中:ψ為航向角;θ為俯仰角;γ為滾轉(zhuǎn)角。
(2)
(3)
(4)
列車在運(yùn)動(dòng)中受到約束情況見圖1、圖2。
圖1 加速度約束
圖2 角速度約束
由于列車受到軌道約束和低加速機(jī)動(dòng)狀態(tài)的限制,在列車行駛在隧道中時(shí),其本身的運(yùn)動(dòng)姿態(tài)俯仰角和滾轉(zhuǎn)角視為沒有發(fā)生變化,也就是只有列車姿態(tài)角有變化,即[11-12]
(5)
將式(4)帶入式(2)和式(3),推出加速度計(jì)誤差以及陀螺儀誤差,表示為δωb和δfb。
在衛(wèi)星信號缺失的條件下,MEMS由于其本身器件的限制,誤差隨時(shí)間不斷累積,短時(shí)間內(nèi)精度迅速惡化,其測量數(shù)據(jù)具有較強(qiáng)的非線性。擴(kuò)展卡爾曼濾波(Extended Kalman Filter,EKF)是非線性濾波中較為經(jīng)典的方法,通過泰勒展開式對非線性函數(shù)進(jìn)行線性化近似,忽略非線性高階項(xiàng)對濾波結(jié)果的影響,但針對較強(qiáng)的非線性系統(tǒng),EKF具有較強(qiáng)的誤差。針對以上特點(diǎn),本文選取無跡卡爾曼濾波(Unscented Kalman Filter,UKF),無需進(jìn)行非線性模型的求解,從而實(shí)現(xiàn)系統(tǒng)狀態(tài)遞歸均值和方差的估計(jì)。
圖3描述了列車在隧道等GNSS失鎖情況下的定位方式。利用慣性測量單元 (Inertial Measurement Unit,IMU)獲得的加速度數(shù)據(jù)進(jìn)行列車運(yùn)動(dòng)狀態(tài)的估計(jì)和判斷,當(dāng)判別列車處于低加速狀態(tài)時(shí),對系統(tǒng)模型進(jìn)行修改,利用UKF算法對列車的位置、速度信息進(jìn)行誤差補(bǔ)償,輸出修正后的列車位置、速度和姿態(tài)。
圖3 衛(wèi)星信號缺失下的估計(jì)模型
(6)
其中,
(7)
由于慣性導(dǎo)航系統(tǒng)非線性較強(qiáng),無跡卡爾曼濾波使用UT變換對非線性函數(shù)的概率密度進(jìn)行近似,無需計(jì)算復(fù)雜的雅可比矩陣、其具體過程如下[14-16]。
(1) 變量初始化
(8)
(2) 時(shí)間更新
(9)
(3) 量測更新
(10)
其中,
(11)
式中:L為狀態(tài)量的維數(shù);α用來控制Sigma點(diǎn)的分布情況,通常為0<α≤1;k為一個(gè)比例因子,狀態(tài)估計(jì)時(shí)取值為0,參數(shù)估計(jì)中取值為3-L;β為狀態(tài)分布高階矩知識,對于高斯分布其取值為2。
慣性導(dǎo)航系統(tǒng)的基本方程為
(12)
(13)
列車加速度機(jī)動(dòng)狀態(tài)的準(zhǔn)確判別影響著姿態(tài)失準(zhǔn)角的計(jì)算,在列車靜止或低加速狀態(tài)下可以進(jìn)行對姿態(tài)角誤差的修正,如果加速度機(jī)動(dòng)狀態(tài)被錯(cuò)誤判斷,可能會(huì)導(dǎo)致姿態(tài)角誤差較大,則準(zhǔn)確判斷列車加速度狀態(tài)可以提高列車姿態(tài)角計(jì)算的可靠性。
MEMS傳感器受到其制造工藝的限制,若單獨(dú)使用MEMS系統(tǒng),其誤差會(huì)隨時(shí)間快速發(fā)散,本文為實(shí)現(xiàn)對列車加速度狀態(tài)的判別,使用了萊特準(zhǔn)則以及機(jī)動(dòng)門限方法,根據(jù)加速度測量估計(jì)列車運(yùn)動(dòng)。
本文采用了萊特準(zhǔn)則,該方法在測量數(shù)據(jù)為正態(tài)分布的情況時(shí)識別異常值,通過使用該方法對加速度計(jì)的輸出數(shù)據(jù)進(jìn)行判斷,從而確定列車的加速度機(jī)動(dòng)狀態(tài)。根據(jù)高斯誤差理論,在測量值為正態(tài)分布時(shí),有[17]
(14)
(15)
根據(jù)萊特準(zhǔn)則,如果殘差大于三倍標(biāo)準(zhǔn)差,則認(rèn)為此刻加速度變化較大,列車此時(shí)處于一個(gè)較大水平加速度機(jī)動(dòng)狀態(tài),表示為
(16)
在實(shí)際情況中,定位系統(tǒng)具有較強(qiáng)的非線性以及一定的漂移誤差,那么所使用的測量數(shù)據(jù)就會(huì)存在較大的隨機(jī)誤差,單獨(dú)依靠萊特準(zhǔn)則來進(jìn)行列車機(jī)動(dòng)狀態(tài)的估計(jì)就會(huì)導(dǎo)致出現(xiàn)判別不準(zhǔn)確的情況。因此,通過引入有偏估計(jì)原理與萊特準(zhǔn)則結(jié)合,首先使用有偏估計(jì)對測量數(shù)據(jù)進(jìn)行趨勢提取,然后對k+1時(shí)刻的列車加速度進(jìn)行估計(jì),通過萊特準(zhǔn)則對估計(jì)誤差進(jìn)行比較,能夠判斷k+1時(shí)刻的加速度狀態(tài)。
在有偏估計(jì)理論中,由樣本數(shù)據(jù)的估計(jì)值與待估計(jì)參數(shù)的真實(shí)值之間存在一定誤差,其期望值不是待估計(jì)參數(shù)的真值,有偏估計(jì)方法能夠提高傳感器病態(tài)場景下的估計(jì)準(zhǔn)確性與穩(wěn)定性。將系統(tǒng)量測數(shù)據(jù)使用G-M模型表示為
L=AX-V
(17)
式中:L、A、X、V分別為量測向量、設(shè)計(jì)矩陣、待定參數(shù)以及量測殘差。由最小二乘最優(yōu)估計(jì)準(zhǔn)則計(jì)算得
(18)
(19)
考慮到傳感器系統(tǒng)病態(tài)場景下存在的誤差,為提高估計(jì)的準(zhǔn)確性,本文采用嶺估計(jì)方法,該估計(jì)方法的準(zhǔn)則表示為[18]
VTPV+αXTX=min
(20)
式中:α為嶺參數(shù)。
其最優(yōu)估計(jì)以及協(xié)方差為
(21)
(22)
在嶺估計(jì)中,其精度主要取決于嶺參數(shù)α,α的選擇,主要有以下幾種:L曲線法[19]、GCV法[20]、U曲線法[21]等。根據(jù)文獻(xiàn)[21],本文使用U曲線參數(shù)選擇方法。
為了驗(yàn)證本文方法在GNSS失效情況下對慣導(dǎo)定位精度的影響,首先進(jìn)行仿真實(shí)驗(yàn),加速度計(jì)和陀螺儀仿真的技術(shù)參數(shù)如表1所示。
表1 仿真儀器參數(shù)
圖4為GNSS/SINS組合導(dǎo)航實(shí)驗(yàn)軌跡,初始位置為(36.106°,103.726°),采樣頻率為10 Hz,實(shí)驗(yàn)中模擬衛(wèi)星在10、20、30 s時(shí)失鎖的定位情況(衛(wèi)星信號完好情況下采用Kalman進(jìn)行信息融合)。圖5、圖6為實(shí)驗(yàn)中的經(jīng)緯度誤差圖以及X軸、Y軸速度誤差情況。
圖4 仿真軌跡
圖5 經(jīng)緯度誤差
圖6 X、Y軸速度誤差
根據(jù)實(shí)驗(yàn)結(jié)果可以看出,在GNSS信號缺失時(shí),基于速度位置的估計(jì)反饋無效,此時(shí)捷聯(lián)慣導(dǎo)的定位誤差隨時(shí)間的增長而不斷增大,進(jìn)而無法提供可靠的定位信息,所以進(jìn)行誤差抑制是增強(qiáng)定位精度的可靠途徑。為了驗(yàn)證引入約束信息對提高定位精度的有效性,對在衛(wèi)星失鎖情況下單獨(dú)慣導(dǎo)解算結(jié)果與進(jìn)行了約束的解算結(jié)果作數(shù)據(jù)對比。
圖7為基于運(yùn)動(dòng)約束的仿真軌跡??梢钥闯?,在慣導(dǎo)解算過程中引入約束信息能夠?qū)T導(dǎo)誤差有一定的抑制作用,從而提高其精度。
圖7 運(yùn)動(dòng)約束仿真
圖8 X軸速度誤差
圖10 經(jīng)度誤差
圖11 緯度誤差
圖8~圖11為加入約束后的誤差結(jié)果,分別是X軸和Y軸速度誤差以及經(jīng)度誤差和緯度誤差。表2為仿真數(shù)據(jù)的方差對比。
表2 仿真結(jié)果對比
從仿真結(jié)果表示,相對于單獨(dú)捷聯(lián)慣導(dǎo)解算,通過引入列車約束,X軸速度誤差和Y軸速度誤差都有所降低,分別為65.2%、72.0%。同時(shí)位置誤差也得到了抑制,經(jīng)度誤差降低66.0%,緯度誤差降低38.7%。因此,在慣導(dǎo)解算中加入列車約束條件可以對誤差進(jìn)行抑制,提高系統(tǒng)精度。
由于列車在隧道內(nèi)一般是直線運(yùn)動(dòng)狀態(tài),且加速度較小,若列車運(yùn)行過程存在較大的加速度擾動(dòng),原先的約束模型即不再適用,因此,準(zhǔn)確的狀態(tài)判斷是提高約束效果的前提。為驗(yàn)證本文提出的機(jī)動(dòng)判別算法的可靠性,首先利用一組勻速運(yùn)動(dòng)的數(shù)據(jù)作為先驗(yàn)數(shù)據(jù),然后利用不同的加速度進(jìn)行加速度計(jì)動(dòng)機(jī)判別。圖12為判別成功率的結(jié)果。
圖12 低加速辨別率
由實(shí)驗(yàn)結(jié)果可知,隨著加速度的不斷增大,低加速度判別概率不斷提高,列車不再滿足低加速的條件。
為了對本文所提出方案的可行性進(jìn)行驗(yàn)證,利用車載測試平臺進(jìn)行了實(shí)驗(yàn),其中,衛(wèi)星定位板卡型號為K700,輸出頻率為2 Hz,IMU型號為MPU6050,輸出頻率為20 Hz。加速度計(jì)和陀螺儀器件參數(shù)與仿真參數(shù)相同。圖13、圖14分別為這次車載實(shí)驗(yàn)平臺和測試路線。
圖13 車載測試平臺
圖14 測試路線
圖15 軌跡處理比較
圖16 X軸速度誤差
圖17 Y軸速度誤差
圖18 經(jīng)度誤差
圖19 緯度誤差
圖15為對比傳統(tǒng)卡爾曼濾波、無跡卡爾曼濾波以及加入約束的無跡卡爾曼濾波的實(shí)驗(yàn)軌跡。圖16~圖19為三種算法處理后的X、Y速度誤差、經(jīng)緯度誤差比較圖。表3為利用KF、UKF與加入約束后的UKF算法處理后的標(biāo)準(zhǔn)差比較。
根據(jù)實(shí)驗(yàn)數(shù)據(jù)能夠看出,相對于以往使用的KF算法、UKF算法來說,本文提出的引入列車約束信息的UKF算法對定位誤差具有一定的抑制作用,對解算精度有一定的提高。
表3 仿真結(jié)果對比
由于衛(wèi)星信號在受干擾地區(qū)容易出現(xiàn)衛(wèi)星失鎖情況,導(dǎo)致無法提供可靠的定位信息,為了在列車運(yùn)行至隧道等GNSS信號受影響區(qū)域時(shí)定位系統(tǒng)能夠提供可靠連續(xù)的定位信息,實(shí)現(xiàn)列車的無縫精確定位,本文利用INS對列車運(yùn)行位置進(jìn)行估計(jì)。由于列車受到軌道約束的限制,本文通過分析列車運(yùn)動(dòng)模型,引入運(yùn)動(dòng)約束條件以降低定位誤差。通過使用有偏估計(jì)與萊特準(zhǔn)則對列車運(yùn)動(dòng)狀態(tài)進(jìn)行估計(jì)與判別,在列車處于低加速度狀態(tài)時(shí),在誤差模型中引入約束信息。為了驗(yàn)證本文提出的方法,進(jìn)行了實(shí)驗(yàn)驗(yàn)證,結(jié)果顯示,本文方法對MIMU誤差有一定的抑制作用,能夠降低系統(tǒng)定位誤差,從而提高系統(tǒng)在衛(wèi)星信號受影響情況下的解算精度,提供聯(lián)系可靠的定位信息。