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.
类型: 期刊论文
作者: 王呈,陈晶,荀径,李开成
关键词: 参数估计,卡尔曼滤波,粒子滤波,递阶辨识,最大期望算法
来源: 自动化学报 2019年12期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 铁路运输
单位: 江南大学物联网工程学院,江南大学理学院,北京交通大学轨道交通控制与安全国家重点实验室,北京交通大学轨道交通运行控制系统国家工程研究中心
基金: 国家自然科学基金(61603156,61973137),高速铁路基础研究联合基金(U1734210),北京交通大学教育基金会基金(9907006519)资助~~
分类号: U284.48
DOI: 10.16383/j.aas.c190193
页码: 2260-2267
总页数: 8
文件大小: 1042K
下载量: 80
本文来源: https://www.lunwen90.cn/article/4d0b3a68dccebb042760c2be.html