基于边缘粒子滤波的高速列车走行部关键参数估计-电气工程专业论文.docxVIP

国内图书分类号：TP391 国内图书分类号：TP391 密级：公开 国际图书分类号：621．3 西南交通大学 研究生学位论文 年 级 2Q 1 2级 姓 名 俭盟室 申请学位级别 王猩亟± 专 业 电氢工程 指导老师 呈磊 二零一五年三月一令一血，平二 月 万方数据 Classified Classified Index：TP39 1 U．D．C：621．3 Southwest Jiaotong University Master Degree Thesis PARAMETER ESTIMATION OF HIGH SPEED TRAⅢRI．删ⅢG BOGIE USⅢG RAO—BLACKWELLISED PARTICLE F11月ER Grade：2012 Candidate：Xu Bowen Academic Degree Applied for：Master of engineering Speciality：Electric Engineering Supervisor：Prof．Lei Ma 万方数据 西南交通大学 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1．保密口，在斧解密后适用本授权书； 2．不保密哦使用本授权书。 (请在以上方框内打“√”) 。1 学位论文作者签名：络躇久 指导老师签名： J马锄 日期：2．o／箩．每／7 日期： 伽t 3．j-．f彦 万方数据 西南交通大学硕士学位论文主要工作(贡献)声明 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： 1、针对车辆动力学性能参数估计模型的概率特点，建立CRH380A高速列车动力学 模型，分析了模型的运行平稳性与数据可靠性。 2、在建立的CRH380A高速列车模型的基础上，分别使用了扩展卡尔曼滤波器、 Rao—Blackwellised粒子滤波器以及改进Rao—Blackwellised粒子滤波器实现对模型走 行部中抗蛇行阻尼系数、横向阻尼系数、等效踏面锥度的估计，比较并分析了三种方 法的异同。 3、本文提出了改进Rao．Blackwellised粒子滤波方法，跟传统Rao．Blackwellised 粒子滤波器的区别在于：Rao—Blackwellised粒子滤波使用了卡尔曼滤波器，在非高斯 系统的参数估计上具有劣势，而本文提出的改进算法，引入噪声白化技术，将 Rao。Blackwellised粒子滤波器中的卡尔曼滤波器部分用扩展卡尔曼滤波器代替，以实 现算法针对真实轨道谱噪声的适应性。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成 果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰 写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。 本人完全了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名：榔 日期：矽膨．箩．／7 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 于两 斐 本文为实现高速列车运行时转向架关键部位的参数辨识和故障诊断，对高速列车 动力学模型关键参数估计方法进行研究，将基于非线性滤波器的状态估计方法应用于 高速列车关键参数估计中，主要包括以下几个方面的研究内容： 首先回顾了在状态参数联合估计领域以及高速列车关键参数估计领域中前人所做 的有意义的工作，并讨论了运用卡尔曼滤波器、扩展卡尔曼滤波器以及粒子滤波器来 解决相应参数检测问题的可能性。 接下来，针对列车动力学模型，参考实际参数，建立了CRH380A列车横向动力学 模型，将白噪声激扰作为模型输入，相应传感器观测结果作为模型输出。为了验证模 型的有效性，将实际列车振动平台数据与高速列车模型数据进行分析与对比。在确认 模型准确可靠的基础上，设定系统相应的统计学数值，采集模型输出，使用扩展卡尔 曼滤波器(EKF)以及边缘粒子滤波器(Rao．Blackwellised粒子滤波器，RBPF)进行 参数估计，观测并比较了两种滤波器的参数估计结果，分析了各自的性能优劣势。 最后，由于参数估计体系采用线性列车模型并运用高斯白噪声模拟列车噪声输入， 在实际检测中不具备良好的适应性，在Rao．Blackwellised粒子滤波器的基础上，根据 状态扩展理论对Rao．Blackwellised算法进行改进，以解决原先算法中对于非线性非高 斯信