[发明专利]一种基于卡尔曼滤波算法的数字孪生无砟轨道优化方法

权利要求书

1.一种基于卡尔曼滤波算法的数字孪生无砟轨道优化方法，其特征在于包括以下步骤：

1)通过高速铁路轨道监测系统，采集气候环境参数与轨道板结构参数，其中气候环境参数包括温度、风速、阳光辐射，轨道板结构参数包括轨道板位移；

2)获取采集的气候环境参数与轨道板结构参数，并通过轨道数字孪生分析预测系统进行参数预测，得到轨道板服役状态的优化方案，轨道数字孪生分析预测系统基于卡尔曼滤波算法，根据气候环境参数与轨道板结构参数，并利用现代控制理论建立状态空间，预测服役参数，并得到符合当前轨道板服役状态的优化方案；其中，服役参数包括对轨道板温度参数和轨道板位移参数；

3)基于有限元热结构耦合方法，建立轨道板虚拟样机模型，对轨道板进行热结构耦合仿真分析，对新优化方案进行验证，仿真分析包括层间位移和应力分布分析；

4)将优化方案验证结果与当前方案进行差值分析，作为输入偏差，重新返回至轨道数字孪生分析预测系统，对当前方案进行更新，直至得到符合当前甚至未来设定时间段内的新优化方案。

2.根据权利要求1所述的一种基于卡尔曼滤波算法的数字孪生无砟轨道优化方法，其特征在于：在步骤2)中，利用现代控制理论建立轨道监测系统状态空间，输入参数为温度湿度、日照辐射、轨道板初始位移，输出参数为轨道板当前状态以及未来状态的内部温度梯度参数。

3.根据权利要求2所述的一种基于卡尔曼滤波算法的数字孪生无砟轨道优化方法，其特征在于：步骤2)中，进行方案优化时，将现有轨道板的结构方案与有限元验证结果进行对比，得到新的轨道板植筋优化方案。

4.根据权利要求3所述的一种基于卡尔曼滤波算法的数字孪生无砟轨道优化方法，其特征在于：在步骤3)中，建立轨道板虚拟样机模型进行热结构耦合仿真分析时，考虑相邻轨道板和边界条件的影响，轨道板虚拟样机模型为无砟轨道结构空间三维实体模型，且采用多块整板的模型，有限元分析时以中间整板作为分析对象，分析温度载荷对轨道板层间位移和离缝面积的影响；轨道板虚拟样机模型包括支承层、砂浆层、轨道板、扣件和钢轨；其输入参数包括轨道板结构参数、环境温度和轨道板内部温度梯度参数，输出为轨道板的应力、应变和层间离缝面积参数，以对轨道板优化方案进行定量评价。

5.根据权利要求4所述的一种基于卡尔曼滤波算法的数字孪生无砟轨道优化方法，其特征在于：所述的高速铁路轨道监测系统包括用于检测轨道板内部温度的电阻式温度传感器、检测湿度的湿度传感器、检测太阳辐射的太阳辐射传感器、检测风速风向的风速风向传感器。

6.根据权利要求1所述的一种基于卡尔曼滤波算法的数字孪生无砟轨道优化方法，其特征在于：在步骤2)中，卡尔曼滤波算法包括以下步骤：

引入一个离散控制过程的轨道板系统；轨道板系统可用一个线性随机微分方程来描述：

X(k)＝A*X(k-1)+B*U(k)+W(k)

再加上轨道板系统的测量值：

Z(k)＝H*X(k)+V(k)

上两式子中，X(k)是k时刻的轨道板系统状态，U(k)是k时刻对轨道板系统的控制量；A和B是轨道板系统参数，轨道板系统输入为温度与结构参数，输出为应力应变位移参数，属于多输入多输出系统，输出为矩阵；Z(k)是k时刻的测量值，H是测量系统的参数，由于轨道监测系统为多测量系统，H为矩阵；W(k)和V(k)分别表示过程和测量的噪声，即偏差；

首先利用轨道监测系统的测量值来预测下一时刻的轨道板系统状态；假设现在的轨道板系统状态是k，可以基于系统的上一状态而预测出现在状态：

X(k|k-1)＝A*X(k-1|k-1)+B*U(k)

上式中，X(k|k-1)是利用上一状态预测的结果，X(k-1|k-1)是上一轨道板系统状态最优的结果，U(k)为现在状态的控制量，如果没有控制量，它可以为0；

到此为止，轨道板系统结果已经更新，对应于X(k|k-1)的协方差还没更新；用P表示协方差：

P(k|k-1)＝A*P(k-1|k-1)+A'+Q

上式中，P(k|k-1)是X(k|k-1)对应的协方差，P(k-1|k-1)是X(k-1|k-1)对应的协方差，A'表示A的转置矩阵，Q是系统过程的协方差；实现对轨道板系统参数的预测；

根据现在状态的预测结果，收集现在状态的测量值；结合预测值和测量值，可以得到现在状态(k)的最优化估算值X(k|k)：

X(k|k)＝X(k|k-1)+Kg(k)*X(k|k-1)

其中Kg为卡尔曼增益：

Kg(k)＝P(k|k-1)*H'/(H*P(k|k-1)*H'+R)

到现在为止，已经得到k状态下最优的估算值X(k|k)；为使卡尔曼滤波器不断的运行下去直到系统过程结束，还要更新k状态下X(k|k)的协方差：

P(k|k)＝(I-Kg(k)*H)*P(k|k-1)

其中I为1的矩阵，算法自回归的运算下去。