[发明专利]一种基于扩展卡尔曼滤波测速方法及系统

权利要求书

1.一种基于扩展卡尔曼滤波测速方法，其特征在于，包括以下步骤：

S1.根据机车运动情况可得：

式中，ω为轮对转速，x为机车车速，r为车轮半径，W为等效轴重，g为重力加速度，μ为轮轨间粘着系数，B为转动摩擦力矩系数，R_g为齿轮箱传动比，J为机车车轮转动惯量，T_m为机车控制力矩，M为机车质量，a₀、a₁、a₂为阻力系数；

其中μ与轮对转速ω、机车车速x的关系为：μ＝c·e^-a(ω·r-x)-d·e^-b(ω·r-x)，a、b、c、d为轨面参数；x_s为蠕滑速度，具体为x_s＝ω·r-x；

令u(k)＝T_m(k)，将式(1)离散化得到：

另外，假设机车离散化输出方程为h(k+1)＝[μ(k+1) x(k+1)]^T，其中，T为采样时间间隔；

由此考虑系统噪声和测量噪声，得到机车的标准非线性离散方程：

式中，w_k为随机噪声干扰输入，ν_k+1为随机测量噪声，两者与系统的状态和采样时间不相关，均考虑了整个系统的系统参数、干扰及检测不确定因素的零均值白噪声，函数f指代式(2)，函数h指代式h(k+1)；

S2求解函数f、h关于x_k的偏导A_k、H(k)

假设A_k为f关于x_k的偏导、H(k)为h关于x_k的偏导：

S3基于扩展卡尔曼滤波方程进行机车车速预测：

前一状态预测方程：

前一状态的协方差预测方程：

滤波器增益计算方程：

其中Q_k，R分别是高斯白噪声的协方差矩阵；

S4判断轨面粘着系数是否发生跳变：

当时，轨面未发生跳变，进入S5；

当时，轨面发生跳变，进入S6；

S5维持原扩展卡尔曼滤波状态矩阵完成测速：

状态校正方程：

协方差误差校正方程：

输出预测速度

S6计算扩展卡尔曼滤波估计偏差，并更新卡尔曼滤波状态矩阵完成测速：

设经过扩展卡尔曼滤波器得到速度估计值x_k为机车运行理想速度，则卡尔曼滤波估计偏差Δx_k，则系统输出方程其中可以得到：

状态更新方程：

Δx_k偏差协方差为：

协方差误差校正方程：

输出预测速度

2.一种基于权利要求1所述的扩展卡尔曼滤波测速方法，其特征在于，其测速系统包括机车运行模块、扩展卡尔曼滤波器、轨面检测模块、滤波偏差估计模块、状态更新模块；

机车运行模块接收机车控制力矩u_k，用于根据机车动力学模型与轮轨粘着模型建立状态方程，得到关于机车速度x和轮对速度ω的非线性状态方程；

扩展卡尔曼滤波器与机车运行模块连接，用于对机车车速进行实时预测；

轨面检测模块分别与扩展卡尔曼滤波器、滤波偏差估计模块连接，用于根据机车行驶过程中轮轨接触面粘着系数的变化，判断轨面是否发生跳变；

滤波偏差估计模块，用于当轨面发生跳变后，根据机车运行理想速度与经扩展卡尔曼滤波器估计的速度比较获取扩展卡尔曼滤波器的估计偏差值；

状态更新模块分别与滤波偏差估计模块、扩展卡尔曼滤波器连接，根据扩展卡尔曼滤波器的估计偏差更新状态矩阵并反馈至扩展卡尔曼滤波器。