高速列车定位系统及定位方法与流程

本发明涉及一种高速列车定位技术，尤其涉及一种高速列车定位系统及定位方法。

背景技术：

高速列车位置信息对于列车运营、调度具有重要意义，单一的定位手段可能受环境、硬件等因素影响，难以保证定位操作的精确、连续和稳定，为解决此问题，实际应用中，一般会在列车上配备两套不同工作机制的定位系统，通过两套定位系统的取长补短以及互为备份来保证定位操作的精确、连续和稳定。

目前存在的问题是：现在比较成熟的定位手段是卫星导航定位和轮轴速度传感定位；对于卫星导航定位，其受环境影响较大，比如列车处于隧道道中或穿行于山区时，由于卫星信号较差，可能会导致定位不佳或定位失败；对于轮轴速度传感定位，由于列车运行过程中车轮会不断磨损，一般只能周期性地对车轮轮径进行重新标定，不仅操作麻烦，而且两次标定之间的期间，车轮的磨损对定位精度存在影响；再者，现有技术一般将卫星导航定位和轮轴速度传感定位作为相互备份，而没有考虑这两种设备均有可能出现故障的情形。

近年来，深度学习技术在高速列车定位中已有所应用，如第201710685925.8号中国专利申请公开的“一种基于深度学习的列车定位系统”中，就采用了无线定位的深度学习方式来实现列车定位。

技术实现要素：

针对背景技术中的问题，本发明提出了一种高速列车定位系统，其创新在于：所述高速列车定位系统由深度学习定位模块、卫星导航定位模块、轮轴速度传感定位模块、轮径参数修正模块和定位信息融合模块组成；

其中，深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块均与定位信息融合模块电气连接；轮径参数修正模块与轮轴速度传感定位模块电气连接；

所述深度学习定位模块，能采用深度学习模型对任意时刻列车所处位置的通信设备的参数进行处理，输出相应时刻列车所处的位置（也即背景技术中所述的第201710685925.8号中国专利申请的技术）；

所述轮轴速度传感定位模块能根据获取到的轮轴转速数据，结合高速列车车轮的轮径参数，计算出列车的当前位置；

所述轮径参数修正模块能采用深度学习模型对列车车型、该车型下对应的轮径尺寸、列车已运行月数、列车的月运行频率4个输入特征参数进行处理，输出相应的轮径修正数据，并根据轮径修正数据对轮轴速度传感定位模块中的轮径参数进行修正；

所述定位信息融合模块能对深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块输出的位置信息进行融合处理，得到最佳定位信息；所述融合处理采用扩展卡尔曼滤波方法或联邦卡尔曼滤波方法。

基于前述的高速列车定位系统，本发明还提出了一种定位方法，高速列车定位系统的构成如前所述，具体的定位方法包括：

1）列车运行过程中，定位信息融合模块周期性地从深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块获取相应的位置信息；如深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块均有位置信息输出，则判定定位系统正常，继续步骤2）；如深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块中的一者没有位置信息输出，则进入步骤3）；如深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块中的两者没有位置信息输出，则进入步骤4）；如深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块均无位置信息输出，则进入步骤5）；

2）定位信息融合模块对收到的位置信息进行融合处理，得到最佳定位信息，并将最佳定位信息输出至车载控制系统和调度中心；

3）定位信息融合模块对收到的位置信息进行融合处理，得到最佳定位信息，并将最佳定位信息同时输出至车载控制系统和后方调度中心；同步地，定位信息融合模块对故障模块进行标记，后续过程中，如故障模块在设定的周期数中均无位置信息输出，则判定故障模块损坏，定位信息融合模块向车载控制系统和调度中心同时输出模块损坏报警信息；如故障模块在设定的周期数中恢复位置信息输出，则取消标记；

4）定位信息融合模块对收到的位置信息不作处理，直接将位置信息同时输出至车载控制系统和后方调度中心；同步地，定位信息融合模块对两个故障模块分别进行标记，后续过程中，如某一故障模块在设定的周期数中均无位置信息输出，则判定相应故障模块损坏，定位信息融合模块向车载控制系统和调度中心同时输出模块损坏报警信息；如某一故障模块在设定的周期数中恢复位置信息输出，则取消相应标记；

5）定位信息融合模块向车载控制系统和调度中心同时输出模块损坏报警信息；

与前述过程并行地，所述轮径参数修正模块周期性地根据轮径修正数据对轮轴速度传感定位模块中的轮径参数进行修正。

本发明的原理是：采用本发明后，三种定位模块中的两者或三者能够输出位置信息时，最终得到的最佳定位信息是两种或三种位置信息的融合结果，经过融合处理，可以根据多种位置信息的综合得到相对更加准确的最佳定位信息，从而提高位置信息的利用水平；另外，如果三种定位模块中的两者出现损坏、故障或无法工作，唯一可以输出位置信息的那一者就构成了其余两者的备份，这就相当于三种定位模块互为备份，可以进一步提高定位操作的连续性和稳定性；再有，轮径参数修正模块能周期性地对轮轴速度传感定位模块中的轮径参数进行修正，这就可以保证轮径参数的精确性，提高轮轴速度传感定位模块输出的位置信息的精确性，并且还能免去重新标定车轮轮径的人工操作，在有效降低运营成本的同时提高定位精度；此外，前述方法还能对故障模块的故障原因进行初步识别，以排除信号不佳等非硬件原因，提高故障检查的方便性。

具体实施时，深度学习定位模块可采用现有的深度学习模型实现，比如采用深度信念网络（dbn）、深度神经网络（dnn）等；定位信息融合模块在进行融合处理时，除了可以采用扩展卡尔曼滤波方法或联邦卡尔曼滤波方法外，还可以采用取平均值的方式来对多种位置信息进行融合。

本发明的有益技术效果是：提出了一种高速列车定位系统及定位方法，该方案能有效提高定位的精确性，避免重新标定轮径的人工操作，并且还能对故障原因作初步的自动排查。

附图说明

图1、本发明的原理示意图。

具体实施方式

一种高速列车定位系统，其创新在于：所述高速列车定位系统由深度学习定位模块、卫星导航定位模块、轮轴速度传感定位模块、轮径参数修正模块和定位信息融合模块组成；

其中，深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块均与定位信息融合模块电气连接；轮径参数修正模块与轮轴速度传感定位模块电气连接；

所述深度学习定位模块能采用深度学习模型对任意时刻列车所处位置的通信设备的参数进行处理，输出相应时刻列车所处的位置；

所述轮轴速度传感定位模块能根据获取到的轮轴转速数据，结合列车车轮的轮径参数，计算出列车的当前位置；

所述轮径参数修正模块能采用深度学习模型对列车车型、该车型下对应的轮径尺寸、列车已运行月数、列车的月运行频率4个输入特征参数进行处理，输出相应的轮径修正数据，并根据轮径修正数据对轮轴速度传感定位模块中的轮径参数进行修正；

所述定位信息融合模块能对深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块输出的位置信息进行融合处理，得到最佳定位信息；所述融合处理采用扩展卡尔曼滤波方法或联邦卡尔曼滤波方法。

一种基于前述列车定位系统的定位方法，其创新在于：所述列车定位方法包括：

1）列车运行过程中，定位信息融合模块周期性地从深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块获取相应的位置信息；如深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块均有位置信息输出，则判定定位系统正常，继续步骤2）；如深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块中的一者没有位置信息输出，则进入步骤3）；如深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块中的两者没有位置信息输出，则进入步骤4）；如深度学习定位模块、卫星导航定位模块和轮轴速度传感定位模块均无位置信息输出，则进入步骤5）；

2）定位信息融合模块对收到的位置信息进行融合处理，得到最佳定位信息，并将最佳定位信息输出至车载控制系统和调度中心；

3）定位信息融合模块对收到的位置信息进行融合处理，得到最佳定位信息，并将最佳定位信息同时输出至车载控制系统和后方调度中心；同步地，定位信息融合模块对故障模块进行标记，后续过程中，如故障模块在设定的周期数中均无位置信息输出，则判定故障模块损坏，定位信息融合模块向车载控制系统和调度中心同时输出模块损坏报警信息；如故障模块在设定的周期数中恢复位置信息输出，则取消标记；

4）定位信息融合模块对收到的位置信息不作处理，直接将位置信息同时输出至车载控制系统和后方调度中心；同步地，定位信息融合模块对两个故障模块分别进行标记，后续过程中，如某一故障模块在设定的周期数中均无位置信息输出，则判定相应故障模块损坏，定位信息融合模块向车载控制系统和调度中心同时输出模块损坏报警信息；如某一故障模块在设定的周期数中恢复位置信息输出，则取消相应标记；

5）定位信息融合模块向车载控制系统和调度中心同时输出模块损坏报警信息；

与前述过程并行地，所述轮径参数修正模块周期性地根据轮径修正数据对轮轴速度传感定位模块中的轮径参数进行修正。