基于多传感器信息融合方法分析与研究
城市轨道交通以其运量大、速度快和有效缓解交通拥堵等诸多优点，在各大城市得到大量普及。但快速发展的同时也带来了诸多弊病，主要体现在轨道和隧道变形。常规的检测方法主要为手持检测仪和大型轨检车检测，手持检测仪检测效率低，且精度不高。大型轨检车成本昂贵、体积庞大，且不便进行上下线运作。上述检测方法所使用的传感器采集到的信息之间进行单独、孤立地处理，导致了信息处理工作量的增加。各传感器信息间的内在联系被割断，丢失了信息组合后的内部特征。各传感器不能有效组合，造成了信息资源的浪费，甚至可能导致决策失误。为解决上述问题，故需要对多源传感器数据进行有效融合。 本文通过在小型轨道检测车上搭载多种传感器，即惯性导航系统、激光雷达传感器、激光位移传感器、轴角编码器和摄像头，实现了对轨道及隧道的多维度检测。系统采用PXI机箱实现了多传感器数据采集的一致性，即提高了时间上的一致性和空间上的可延展性。单一传感器在轨道和隧道的变形检测中都有着自己的优缺点。摄像头的最大挑战具体体现在：没有深度信息、视场角有限以及受外界条件的影响也较大。激光雷达传感器的最大挑战具体体现在：感知范围较近和角分辨有限。各传感器信息数据进行优势互补、取长补短和有效融合，克服了单一传感器的不确定性和局限性，得出更加精准的轨道及隧道状态信息。多传感器融合的关键技术在于融合策略及相应算法的选择。 本文通过采用卡尔曼滤波算法融合激光位移传感器和惯性导航系统数据，得出更加精准的轨道状态信息；融合激光雷达传感器和摄像头数据，得出更加精准的隧道状态信息。融合轴角编码器和惯性导航系统数据，得出更加精准的行驶里程信息。
轨检车;传感器;仿真技术;卡尔曼滤波
上海应用技术大学
硕士
车辆工程
杨明来
2020
中文
U216.3
2021-11-15（万方平台首次上网日期，不代表论文的发表时间）