基于混合滤波最大期望算法的高速列车建模

针对高速列车非线性单质点模型的特殊结构及含有隐含变量问题,提出一种基于混合滤波的最大期望辨识方法.借助递阶辨识理论,将高铁列车状态空间模型分解为线性子系统模型和非线性子系统模型.进而,分别利用卡尔曼滤波和粒子滤波对速度和位移状态进行联合估计.最后,使用最大期望方法辨识高铁列车子系统模型参数,解决了隐含变量辨识问题.和传统方法相比,本文所提出方法计算量小,且具有较高的辨识精度.仿真对比实验结果验证了该方法的有效性....

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 45; no. 12; pp. 2260 - 2267
Main Authors 王呈, 陈晶, 荀径, 李开成
Format Journal Article
LanguageChinese
Published 江南大学物联网工程学院 无锡 214012%江南大学理学院 无锡 214012%北京交通大学轨道交通控制与安全国家重点实验室 北京 100044%北京交通大学轨道交通运行控制系统国家工程研究中心 北京 100044 01.12.2019
Subjects
递阶辨识
粒子滤波
最大期望算法
参数估计
卡尔曼滤波
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.c190193

Cover

More Information
Summary:针对高速列车非线性单质点模型的特殊结构及含有隐含变量问题,提出一种基于混合滤波的最大期望辨识方法.借助递阶辨识理论,将高铁列车状态空间模型分解为线性子系统模型和非线性子系统模型.进而,分别利用卡尔曼滤波和粒子滤波对速度和位移状态进行联合估计.最后,使用最大期望方法辨识高铁列车子系统模型参数,解决了隐含变量辨识问题.和传统方法相比,本文所提出方法计算量小,且具有较高的辨识精度.仿真对比实验结果验证了该方法的有效性.
ISSN:0254-4156
DOI:10.16383/j.aas.c190193