慣性/衛星/里程計多信息融合方法及在鐵路測繪中的應用

郭玉勝，付夢印，鄧志紅，鄧繼權，王萬征

（1. 北京理工大學 自動化學院，北京 100081；2. 北京自動化控制設備研究所，北京 100074）

慣性/衛星/里程計多信息融合方法及在鐵路測繪中的應用

郭玉勝1,2，付夢印1，鄧志紅1，鄧繼權2，王萬征2

（1. 北京理工大學 自動化學院，北京 100081；2. 北京自動化控制設備研究所，北京 100074）

針對基于慣性技術對鐵路基礎設施進行精確測繪的需求提出一種多信息融合慣性基準方案，為測量測繪提供高精度位置和姿態參考。對載體運動特點和車載狀態下慣性/里程組合導航航向角誤差可觀性進行分析，認為天向陀螺漂移和航向誤差是導致測量精度下降的主要因素，針對該問題設計了基于雙向濾波、雙向平滑的多信息融合方案，針對缺乏絕對位置基準的應用情況，引入“正矢”概念和相對定位精度的評判方法。仿真及試驗結果表明，在陀螺常值漂移0.2 (°)/h條件下，該方案相對定位精度優于0.3 mm（300 m弦正矢），顯著提高了車載鐵路線路測繪位置、姿態基準精度，降低了對慣性器件的要求，利用中、低精度器件實現了高精度測量定位。

慣性導航；多信息融合；平滑濾波；鐵路測繪

隨著我國高速鐵路及城市軌道交通建設的高速發展，加強鐵路基礎設施檢測，及時掌握基礎設施質量狀況，正確指導線路養護，確保鐵路運輸安全，已成為鐵路運維中的一項重要工作。多個國家投入了大量的人力、物力開展快速高效的鐵路測繪技術以滿足當今鐵路高速和重載的發展要求[1-2]。

鐵路線路測繪最終目的是實現軌道、接觸網、限界等基礎設施的精確檢測以及對走行部運動狀態、路基沉降、弓網關系、輪軌關系等重要安全要素的不間斷監測[3-5]。由于傳統檢測手段技術落后，方法單一，作業效率低下，以慣性基準法為技術核心，結合光學、圖像、超聲等技術發展起來的列車載非接觸式高效檢測技術逐漸成為行業的研究熱點[6-7]。隨著我國客運專線建設和既有線路提速，需要有更高精度的鐵路線路測量測繪手段和方法，這對慣性基準法提出了更高精度的位置和姿態測量要求。慣性基準法主要是通過陀螺儀測量的角速率信息得到車體的運行姿態，綜合加速度計測量的加速度信息得到檢測車的行駛速度。慣性基準法的測量精度受陀螺漂移和加速度計零位的影響較大。慣性/里程計組合導航航向角誤差可觀性較低，并且列車運動特點決定了該應用條件下難以通過機動來提高航向角誤差的可觀性。因此，如何抑制天向陀螺誤差對航向角的影響是慣性基準法的一個主要技術難題。另外，高鐵建設和維護對鐵路測繪提出了毫米級的測量精度要求[8]，這也是傳統慣性系統無法達到的。

本文在傳統慣性/里程計測量方案的基礎上引入衛星測量信息，由于檢測數據通常在事后進行處理，因此可以通過慣性/里程/衛星數據融合方法對位置、姿態等信息進行解算。為了提高系統誤差估計精度，并抑制外部干擾，在數據融合中增加雙向導航、雙向濾波技術，并設計適當的信息融合算法，達到提高姿態角和平面位置測量精度的目的。

1 “慣性基準法”測量方案

基于慣性測量的鐵路測繪的基本原理是：慣導系統通過捷聯慣性導航解算得到檢測梁的方位和水平姿態角，通過慣性/里程/衛星多信息融合解算得到慣性測量基準在測量過程中的姿態、三維坐標、運行速度以及里程，為其他測繪儀器建立慣性基準；激光（或圖像等）組件通過圖像處理和坐標系變換分別計算出檢測梁到鋼軌、接觸網或者其他待測點的距離；利用慣性基準與非接觸式測距所得到的相對位移進行幾何參數補償、坐標轉換及融合運算，即可得到被測點的任意時刻三維坐標。

工程應用中由于路基沉降等因素的影響，線路狀態相對施工時會有較大的變化，因此對于在建線路或者剛剛開通的線路，線路狀態與設計線型一致，而對于服役期較長的既有線路，線路狀態相對設計值往往會有較大偏差[9]，甚至達到分米量級，這樣就失去了對慣性基準法測量結果的評判基準。針對該問題，可以引入鐵路軌道幾何參數中的“正矢”的概念用于相對測量精度的評判：

選取線路上間隔固定距離（以10m為例）的兩點Hs+5m和Hs-5m，即確定一條動弦，如圖1所示，其中點Hs到Hs+5m與Hs-5m連線的矢量稱為正矢，連線的矢量稱為正矢，其設計值用h設計設計表示，實測值用h實測實測表示。正矢在水平面內的投影即為該點的軌向，在過弦線的垂直平面內的投影為高低。

在建或既有線路的正矢可以通過軌檢儀等測量方法輕易獲取，且精度優于1 mm，因此通過對比實測正矢重復性以及與基準正矢對比，可以對慣性基準法測量的相對精度進行評判。事實上，這也是鐵路軌道幾何參數檢測行業對線路狀態評判的常用方法。當然，由于慣性測量誤差與時間相關，在測量精度要求一定的情況下，所取弦長越長，對慣性基準測量精度的要求就越嚴苛。

圖1 正矢計算方法示意圖Fig.1 Calculation method of vector

2 多信息融合處理方法

2.1 慣性/里程計組合算法

對正矢測量為相對測量，根據軌跡相似性原理可以得知，慣導系統與里程計之間的安裝誤差以及里程計刻度系數誤差對相對位置測量精度影響較小。因此，選取13維慣導系統誤差狀態量為慣性/里程計組合導航系統狀態變量，即：

式中：δVN、δVE分別表示慣導系統北向、東向速度誤差；δφ、δλ分別表示北向、東向位置誤差；φN、φU、φE分別表示北向、天向、東向失準角；分別表示載體坐標系各軸向的陀螺漂移；分別表示載體坐標系各軸向的加速度計零位。根據捷聯慣性導航系統的導航誤差方程可以得到對應的狀態轉移矩陣F，通過卡爾曼濾波基本方程可以進行慣性/里程計組合導航濾波計算[10]。

2.2 慣性/里程計組合關鍵因素分析

式中：φn為慣導解算的姿態誤差角；為載體坐標系到導航坐標系的姿態轉換矩陣；α為里程計與慣導之間的安裝誤差角；為里程計儀器坐標系到載體坐標系的姿態轉換矩陣。

將式(2)展開并忽略高階小量得：

對式(4)求導并略去小量可得：

對比捷聯慣導系統的速度誤差方程可以發現，里程計測速誤差與捷聯慣導系統的速度誤差中含有共同項，所以在線加速運動時，由姿態角誤差與加速度相互作用產生的速度誤差與捷聯慣導系統中姿態角誤差引起的該誤差項是一致的。因此，慣性/里程計組合導航系統中，線運動條件下的變速機動不能提高航向角誤差的可觀測度。

對某條次實際道路試驗數據進行分析，在實測數據基礎上疊加慣性器件誤差，之后進行離線仿真計算，對測量結果的姿態精度和位置精度進行對比分析。當三軸陀螺分別增加0.2(°)/h常值陀螺漂移時，參照正矢計算方法，可以得到平面和高程正矢測量誤差如圖2所示。 從實驗結果中可以看出：慣性/里程計組合導航水平姿態可觀性較高，加大陀螺漂移后，高程正矢測量誤差小于0.1mm，影響很小；而航向角誤差可觀性較差，陀螺漂移增加后，平面正矢測量誤差大于3.6mm。

圖2 陀螺漂移變化對平面正矢測量誤差影響Fig.2 Effect of gyro drift on measuring error of horizontal vector

2.3 慣性/衛星/里程計多信息融合處理算法

慣性/里程計組合無法減小天向陀螺漂移和航向角誤差導致的平面坐標測量誤差，為了抑制天向陀螺漂移的影響，在測量方案中增加衛星測量信息，利用衛星的高精度位置信息提高航向角誤差的可觀性。將慣導系統中陀螺儀和加速度計的采樣數據當作一組時間序列看待，通常意義下的導航解算是對該序列按時間先后順序進行實時處理，由于鐵路測繪數據為事后處理，既可以按時間順序正向處理，也可以對其作逆向分析和處理。對采集的數據作正向和逆向的反復分析，充分挖掘和利用已有信息，可進一步提高濾波抗干擾能力，進而提高精度。用R-T-S平滑可以實現對Kalman濾波估計量的進一步估計，有效降低估計誤差，并且由R-T-S平滑得到的誤差估計曲線比Kalman濾波得到的曲線變化平緩[11]。對Kalman濾波進行R-T-S平滑比單純采用Kalman濾波獲得的導航精度高，是一種非常有效的組合導航事后處理方法[12]。

基于極大似然估計理論和概率密度函數的R-T-S平滑算法能夠利用所有的觀測信息，在某種可獲得各點狀態和均方誤差估計量的濾波基礎上進行，可獲得狀態的最小方差估計。由于某點的狀態估計量是濾波估計量和平滑估計量的線性融合，因此在正向濾波的基礎上進行反向R-T-S平滑比單獨采用正向濾波方法獲得的導航精度要高[13-14]。慣性/衛星組合導航數據處理如圖3所示。

圖3 慣性/衛星組合導航數據處理算法示意圖Fig.3 Schematic of inertial/satellite integrated navigation data processing algorithm

慣性/衛星組合導航狀態變量選取同2.1節中慣性/里程計組合導航的狀態量，進行Kalman濾波，計算方法如下：

式中，上標F表示正向Kalman濾波。

基于正向Kalman濾波的反向R-T-S平滑算法流程為：在時間0→N的過程中，使用Kalman濾波對誤差進行估計，同時需要存儲各個時刻的估計量；整個Kalman濾波過程結束以后，對于N→0的過程，根據R-T-S平滑的估計方程，利用正向存儲的估計量進行反向平滑得到等狀態的估計值。R-T-S平滑的遞推公式如下（上標S表示R-T-S平滑的結果）：

將正向導航算法中的陀螺采樣和地球自轉角速率符號取反，對采樣數據作逆向處理，即可實現從終點至初始點的逆向導航解算。參照式(6)，即可進行逆向Kalman濾波計算，存儲逆向濾波過程中的估計量。在逆向Kalman濾波過程結束后，參照式(7)可以進行基于逆向Kalman濾波的正向R-T-S平滑計算。借鑒分散化濾波的思想對正、反向平滑后的結果進行融合，選擇合適的權值，對狀態估計值進行線性組合，從而獲得全局最優的狀態估計值。

3 實驗結果及分析

選取某次慣性基準在鐵路線路上的實驗情況進行分析。在實測數據基礎上疊加慣性器件誤差，之后進行離線仿真計算，對測量結果的姿態精度和位置精度進行對比分析。當三軸陀螺分別增加0.2(°)/h常值陀螺漂移時，對試驗數據正、反向R-T-S平滑融合相對位置測量結果如圖4所示。從圖4中可以看出，在增加陀螺漂移0.2(°)/h的條件下，通過慣性/衛星/里程計多信息融合，航向角誤差估計結果準確且估計結果較為平緩，有效抑制了外部擾動，300m弦平面正矢測量誤差由大于3mm改善到優于0.3mm。

圖4 慣性/衛星/里程計融合后位置測量誤差Fig.4 Position measurement error of inertial/satellite/odometer fusion

4 結 論

針對慣性基準法的動車平臺鐵路測繪中，慣性/里程計組合導航系統航向角誤差可觀性低，航向角及平面測量結果受天向陀螺漂移影響嚴重的問題，在測量方案中增加了衛星測量信息，通過雙向濾波、雙向平滑來提高慣性/衛星組合導航航向角的估計精度，進而提高平面坐標的測量精度。實際線路試驗結果表明，采用慣性/衛星/里程計多信息融合方法，慣性基準法平面位置相對測量精度優于0.3mm（300m弦正矢）。

（References）：

[1] Loveday P W. Guided wave inspection and monitoring of railway track[J]. Journal of Nondestructive Evaluation, 2012, 31(4): 303-309.

[2] Benet J, Cuartero N, Cuartero F, et al. An advanced 3D-model for the study and simulation of the pantograph catenary system[J]. Transpor tation Research Part C: Emerging Technologies, 2013, 36: 138-156.

[3] Lee J H, Park T W. Development of a three-dimensional catenary model using cable elements based on absolute nodal coordinate formulation[J]. Journal of Mechanical Science and Technology, 2012,26(12): 3933-3941.

[4] Tur M, Garcia E, Baeza L, et al. A 3D absolute nodal coordinate finite element model to compute the initial configuration of a railway catenary[J].Engineering Structures, 2014, 71(1): 234-243.

[5] Ambrsio J, Pombo J, Pereira M. Optimization of high-speed railway pantographs for improving pantograph-catenary contact[J]. Theoretical and Applied Mechanics Letters, 2013, 3(1): 51-57.

[6] 江亞男, 張衛華, 宋冬利. 高速鐵路接觸線不平順線譜研究[J].鐵道學報, 2015, 37(2): 34-38 Jiang Ya-nan, Zhang Wei-hua, Song Dong-li. Study on the contact wire unevenness of high-speed railway[J]. Journal of the China Railway Society, 2015, 37(2): 34-38.

[7] Lee J H, Park T W, Oh H K, et al. Analysis of dynamic interaction between catenary and pantograph with experimental verification and performance evaluation in new high-speed line[J]. Vehicle System Dynamics, 2015, 53(8): 1117-1134.

[8] 魏世斌, 劉伶萍, 劉維楨, 等. 提速線路軌道長波不平順檢測技術[J]. 中國鐵道科學，2010, 31(2): 141-144.Wei Shi-bin, Liu Ling-ping, Liu Wei-zhen, et al. Technology for the measurement of long regularity-wave length track irregularity of speed up railway[J]. China Railway Science, 2010, 2010, 31(2): 141-144.

[9] 張群. 路基不均勻沉降對雙塊式無碴軌道的影響研究[D]. 成都:西南交通大學道路與鐵道工程系, 2007.Zhang Qun. Study of double block ballast less track causing by subgrade differential settlement[D]. Chengdu: Department of Road and Railway Engineering, Southwest Jiaotong University, 2007.

[10] 李旦, 秦永元, 張金亮, 等. 車載慣導航位推算組合導航系統誤差補償研究[J]. 計算機測量與控制, 2011, 19(2): 389-391.Li Dan, Qin Yong-yuan, Zhang Jin-liang, et al. Research on error compensation of integrated vehicular navigation system[J]. Computer Measurement & Control, 2011, 19(2): 389-391.

[11] 宮曉琳, 張蓉, 房建成. 固定區間平滑算法及其在組合導航系統中的應用[J]. 中國慣性技術學報, 2012, 20(6): 687-693.Gong Xiao-lin, Zhang Rong, Fang Jian-cheng. Fixed-interval smoother and its applications in integrated navigation system[J]. Journal of Chinese Inertial Technology, 2012, 20(6): 687-693.

[12] 麥曉明, 朱莊生, 彭向陽, 等. 多傳感器無人機電力線路巡檢POS 系統[J]. 中國慣性技術學報, 2015, 23(1): 20-23.Mai Xiao-ming, Zhu Zhuang-sheng, Peng Xiang-yang, et al. Position and orientation system for overhead power-line inspection using multi-sensor integrated unmanned aerial vehicles[J]. Journal of Chinese Inertial Technology, 2015, 23(1): 20-23.

[13] Chiang K, Duong T T, Liao J, et al. On-line smoothing for an integrated navigation system with low-cost MEMS inertial sensors[J].Sensors, 2012, 12(12): 17372-17389.

[14] Liu H, Nassar S, El-Sheimy N. Two-filter smoothing for accurate INS/GPS land-vehicle navigation in urban centers[J]. IEEE Transactions on Vehicular Technology, 2010, 59(9): 4256-4267.

Multi-information fusion method of INS/Odometer/GNSS and its application in railway surveying and mapping

GUO Yu-sheng1,2, FU Meng-yin1, DENG Zhi-hong1, DENG Ji-quan2, WANG Wan-zheng2
(1. School of Automation, Beijing Institute of Technology, Beijing 100081, China;2. Beijing Automation Control Equipment Institute, Beijing 100074, China)

According to the demand for accurate mapping the railway infrastructure based on the inertial technology, a multi-information fusion scheme is put forward which can provide high-precision attitude and position as the surveying and mapping references. The characteristics of high-speed train motion and the heading error’s observability of the inertial/odometer integrated navigation system are analyzed, which show that the main factors that affect the measurement accuracy are the Y-gyro drift and the heading accuracy. A multi-information fusion scheme is designed based on the forward/reverse filtering/smoothing track fusion,and the concept of “vector” is introduced to judge the relative positioning precision. Simulation and test results show that the proposed scheme can significantly increases the precisions of attitude and position references in railway surveying and mapping and realize high-precision measurement and positioning by low- and mid-precision inertial devices, in which the relative positioning error can be reduced to ＜0.3 mm(300 m versine vector) even when the gyro’s constant drift is increased by 0.2 (°)/h.

inertial navigation; multi-information fusion; smoothing; railway surveying

U666.1

：A

1005-6734(2017)03-0334-04

10.13695/j.cnki.12-1222/o3.2017.03.010

2017-02-12；

：2017-05-03

中國鐵路總公司重大科研課題項目（ZB09）

郭玉勝（1982—），男，博士研究生，從事慣性/組合導航研究。E-mail: guoyusheng7209@139.com

聯 系 人：付夢印（1964—），男，教授，博士生導師。E-mail: fumy@bit.edu.cn