[發明專利]車載移動測量系統振動位移誤差的自適應矯正方法

有效

• 申請號: 201610145259.4
• 申請日: 2016-03-15
• 公開（公告）號: CN105588599B
• 公開（公告）日: 2017-11-10
• 發明（設計）人: 謝瀟;葉浩;薛冰
• 申請（專利權）人: 中國科學院沈陽應用生態研究所
• 主分類號: G01D18/00
• 分類號: G01D18/00
• 代理公司: 沈陽科苑專利商標代理有限公司21002
• 代理人: 許宗富

1.車載移動測量系統振動位移誤差的自適應矯正方法，其特征在于，包括以下步驟：

步驟1，測量環境參數增強：對加速度傳感器的輸出信號進行二次積分得到豎直方向原始振動位移，并同步采集與原始振動位移對應的測量環境信息，記錄測量環境信息為包含測量環境參數的連續時域振動位移信號數據對象；

步驟2，參數變化特征解析：解析各測量環境參數變化與信號頻域分布的特征關系，包括測量環境參數變化閾值與信號頻域分布范圍的映射關系、測量環境參數變化趨勢與頻域分布廣度的關系；

步驟3，特征時域區間劃分：基于測量環境參數變化閾值與信號頻域分布范圍的映射關系，動態劃分連續時域振動位移信號為一組變化閾值約束的相鄰時域區間集；

步驟4，區間振動誤差矯正：基于測量環境參數變化趨勢與頻域分布廣度的關系約束相鄰區間細節層次的取值范圍，逐時域區間執行基于細節層次參數自適應優化選取的振動位移誤差矯正處理。

2.根據權利要求1所述的車載移動測量系統振動位移誤差的自適應矯正方法，其特征在于所述測量環境信息包括兩類：

內部參數：包括運行狀態的行進和暫停、行進狀態下的直線運動和曲線運動、直線運動的速度與加速度、曲線運動的角速度；

外部參數：路面粗糙度和起伏度。

3.根據權利要求1所述的車載移動測量系統振動位移誤差的自適應矯正方法，其特征在于所述振動位移信號數據對象：

其中，O_S表示振動位移信號數據對象，記錄為一組以設定采樣間隔的時間T為標簽項的時域多元參數組；S表示加速度積分獲取的振動位移，記錄為一組與獲取時刻t、獲取空間位置x,y對應的瞬時位移s序列；P表示增強的多元測量環境參數項，包括分別表示獲取S移動測量環境的內部參數組{PI}和外部參數組{PO}，各內部參數PI_m記錄為與獲取時刻t對應的瞬時參數值p，各外部參數PO_n記錄為與獲取空間位置x,y對應的參數值p；S與PI_m通過時間參數t進行同步關聯；S與PO_n通過位置參數x,y進行同步關聯。

4.根據權利要求1所述的車載移動測量系統振動位移誤差的自適應矯正方法，其特征在于所述測量環境參數變化閾值與信號頻域分布范圍的映射關系包括以下步驟：

步驟2.1，統計參數值分布特征：提取數據中多元測量環境參數項的取值，依次統計各參數項的特征值value與頻次fr，得到每項參數p根據value由小到大排序的數組A_p：

步驟2.2，初始化閾值區間：對每項參數p，根據A_p取值范圍初始化閾值區間集合SEC_p：

SEC_p＝{[value_{_min},value_{_max}]}；

步驟2.3，評估分解閾值區間：對每項參數p的閾值區間集合SEC_p執行以下子步驟：

步驟2.3.1，提取集合元素個數Nr＝|SEC_p|；

步驟2.3.2，依次對每段區間SEC_p(n),n＝{1,...,Nr}，執行以下子步驟：

I)根據A_p中區間特征值value的最值value_{_min},value_{_max}和眾數值value_{_fr max}，劃分區間為子區間subsec1[value_{_min},value_{_fr max}]和子區間subsec2[value_{_frmax},value_{_max}]；

II)分別提取O_S中對應subsec1和subsec2的參數p單值變化數據段{L1},{L2}；O_S表示振動位移信號數據對象；

III)分別對數據段{L1}和{L2}所對應的時域原始振動位移信號S數據區間S_L1和S_L2，執行有效位移擬合，得到對應不同細節層次的有效位移S_L1′_{level_n}和S_L2′_{level_m}，

IV)得到各層次有效位移S_L1′_{level_n}和S_L2′_{level_m}的方差σ²_{L1_level_n}和σ²_{L2_level_m}；

V)分別提取方差最小值所對應的細節層次N1和N2為subsec1和subsec2的特征細節層次；比較N1和N2：

a)當|N1-N2|＜1，結束該區間段處理；

b)當|N1-N2|＝1,采用[value_{_min},value_{_fr max}],[value_{_fr max},value_{_max}]替換原區間段[value_{_min},value_{_max}]，同時更新SEC_p和Nr后結束該區間段處理；

c)當|N1-N2|＞1，采用[value_{_min},value_{_fr max}],[value_{_fr max,}value_{_max}]替換原區間段[value_{_min},value_{_max}]，并分別對[value_{_min},value_{_fr max}]和[value_{_fr max},value_{_max}]執行步驟2.3.2：I)～V)；

經過步驟2.3，得到對應逐特征細節層次N_p＝{N₁,N₂,...,N_Nr},Nr＝|SEC_p|的參數p區間集合SEC_p：

SEC_p＝{[value_{_min},value_{_fr max(a)}],[value_{_fr max(a)},value_{_fr max(b)}],

...,

[value_{_fr max(x)},value_{_fr max(y)}],[value_{_fr max(y)},value_{_max}]}；

步驟2.4，基于閾值區間重采樣解析映射關系：對步驟2.3得到的SEC_p執行基于區間邊界值線性內插，得到參數p與頻域分布范圍數字信號處理細節層次參數{N}對應的遞增變化閾值區間：

SEC_p＝{[-∝,(value_{_min}+value_{_fr max(a)})/2],

[(value_{_min}+value_{_fr max(a)})/2,(value_{_fr max(a)}+value_{_fr max(b)})/2],

...,

[(value_{_fr max(x)}+value_{_fr max(y)})/2,(value_{_fr max(y)}+value_{_max})/2],

[(value_{_fr max(y)}+value_{_max})/2,+∞]}；

由此，參數p變化閾值與頻域分布范圍映射關系為：

(value_min+value_frmax(a))/2→N1;(value_frmax(a)+value_frmax(b))/2→N2;...;(value_frmax(y)+value_max)/2→NNr-1;(value_frmax(y)+value_max)/2→NNr;.]]>