基于车辆振动响应的轨道不平顺卡尔曼滤波反演

摘要

利用车辆振动响应反演轨道不平顺是轨道状态检测的重要手段，是实现轨道车辆智能运维的关键环节。为此，以某运行速度160 km/h的轨道车辆为例，建立了车辆系统的横向、垂向和横垂耦合3种动力学模型，并在车辆系统状态空间下推导了轨道不平顺反演方程，给出了基于经典卡尔曼滤波（KF）/自适应卡尔曼滤波（AKF）算法的轨道不平顺反演流程，最后详细探究了卡尔曼滤波算法、车辆动力学模型和观测方案对轨道横向和垂向不平顺反演结果的影响规律。结果显示：相比于单一横向和垂向模型，横垂耦合模型在KF算法中的轨道不平顺反演效果最佳，表明横垂耦合模型能够更好地模拟车辆横向和垂向运动行为；AKF算法在单一横向和垂向模型表现更优，但在横垂耦合模型中并未发挥出自适应调参优势，表明对于复杂高维耦合模型自适应策略不能保证一定收敛到最优解，反而对于更简单低维模型的自适应反演效果更好；观测方案对轨道不平顺反演结果影响较大，特别是单一的振动加速度观测量难以有效反演轨道不平顺，应结合实际补充有效振动响应信息。

关键词

轨道车辆 / 振动响应 / 轨道不平顺 / 反演方程 / 卡尔曼滤波