[發明專利]一種基于卡爾曼濾波算法的數字孿生無砟軌道優化方法

在審

• 申請號: 202111101653.5
• 申請日: 2021-09-18
• 公開（公告）號: CN113821952A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 張秀峰;史令彬;韓磊;丁同臻;馬勛;沈清野;丁明磊;程林;趙浩然
• 申請（專利權）人: 國網浙江省電力有限公司舟山供電公司;國網浙江省電力有限公司
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06T17/20;G06F111/06;G06F119/08;G06F119/14
• 代理公司: 浙江翔隆專利事務所(普通合伙) 33206
• 代理人: 王曉燕

1.一種基于卡爾曼濾波算法的數字孿生無砟軌道優化方法，其特征在于包括以下步驟：

1)通過高速鐵路軌道監測系統，采集氣候環境參數與軌道板結構參數，其中氣候環境參數包括溫度、風速、陽光輻射，軌道板結構參數包括軌道板位移；

2)獲取采集的氣候環境參數與軌道板結構參數，并通過軌道數字孿生分析預測系統進行參數預測，得到軌道板服役狀態的優化方案，軌道數字孿生分析預測系統基于卡爾曼濾波算法，根據氣候環境參數與軌道板結構參數，并利用現代控制理論建立狀態空間，預測服役參數，并得到符合當前軌道板服役狀態的優化方案；其中，服役參數包括對軌道板溫度參數和軌道板位移參數；

3)基于有限元熱結構耦合方法，建立軌道板虛擬樣機模型，對軌道板進行熱結構耦合仿真分析，對新優化方案進行驗證，仿真分析包括層間位移和應力分布分析；

4)將優化方案驗證結果與當前方案進行差值分析，作為輸入偏差，重新返回至軌道數字孿生分析預測系統，對當前方案進行更新，直至得到符合當前甚至未來設定時間段內的新優化方案。

2.根據權利要求1所述的一種基于卡爾曼濾波算法的數字孿生無砟軌道優化方法，其特征在于：在步驟2)中，利用現代控制理論建立軌道監測系統狀態空間，輸入參數為溫度濕度、日照輻射、軌道板初始位移，輸出參數為軌道板當前狀態以及未來狀態的內部溫度梯度參數。

3.根據權利要求2所述的一種基于卡爾曼濾波算法的數字孿生無砟軌道優化方法，其特征在于：步驟2)中，進行方案優化時，將現有軌道板的結構方案與有限元驗證結果進行對比，得到新的軌道板植筋優化方案。

4.根據權利要求3所述的一種基于卡爾曼濾波算法的數字孿生無砟軌道優化方法，其特征在于：在步驟3)中，建立軌道板虛擬樣機模型進行熱結構耦合仿真分析時，考慮相鄰軌道板和邊界條件的影響，軌道板虛擬樣機模型為無砟軌道結構空間三維實體模型，且采用多塊整板的模型，有限元分析時以中間整板作為分析對象，分析溫度載荷對軌道板層間位移和離縫面積的影響；軌道板虛擬樣機模型包括支承層、砂漿層、軌道板、扣件和鋼軌；其輸入參數包括軌道板結構參數、環境溫度和軌道板內部溫度梯度參數，輸出為軌道板的應力、應變和層間離縫面積參數，以對軌道板優化方案進行定量評價。

5.根據權利要求4所述的一種基于卡爾曼濾波算法的數字孿生無砟軌道優化方法，其特征在于：所述的高速鐵路軌道監測系統包括用于檢測軌道板內部溫度的電阻式溫度傳感器、檢測濕度的濕度傳感器、檢測太陽輻射的太陽輻射傳感器、檢測風速風向的風速風向傳感器。

6.根據權利要求1所述的一種基于卡爾曼濾波算法的數字孿生無砟軌道優化方法，其特征在于：在步驟2)中，卡爾曼濾波算法包括以下步驟：

引入一個離散控制過程的軌道板系統；軌道板系統可用一個線性隨機微分方程來描述：

X(k)＝A*X(k-1)+B*U(k)+W(k)

再加上軌道板系統的測量值：

Z(k)＝H*X(k)+V(k)

上兩式子中，X(k)是k時刻的軌道板系統狀態，U(k)是k時刻對軌道板系統的控制量；A和B是軌道板系統參數，軌道板系統輸入為溫度與結構參數，輸出為應力應變位移參數，屬于多輸入多輸出系統，輸出為矩陣；Z(k)是k時刻的測量值，H是測量系統的參數，由于軌道監測系統為多測量系統，H為矩陣；W(k)和V(k)分別表示過程和測量的噪聲，即偏差；

首先利用軌道監測系統的測量值來預測下一時刻的軌道板系統狀態；假設現在的軌道板系統狀態是k，可以基于系統的上一狀態而預測出現在狀態：

X(k|k-1)＝A*X(k-1|k-1)+B*U(k)

上式中，X(k|k-1)是利用上一狀態預測的結果，X(k-1|k-1)是上一軌道板系統狀態最優的結果，U(k)為現在狀態的控制量，如果沒有控制量，它可以為0；

到此為止，軌道板系統結果已經更新，對應于X(k|k-1)的協方差還沒更新；用P表示協方差：

P(k|k-1)＝A*P(k-1|k-1)+A'+Q

上式中，P(k|k-1)是X(k|k-1)對應的協方差，P(k-1|k-1)是X(k-1|k-1)對應的協方差，A'表示A的轉置矩陣，Q是系統過程的協方差；實現對軌道板系統參數的預測；

根據現在狀態的預測結果，收集現在狀態的測量值；結合預測值和測量值，可以得到現在狀態(k)的最優化估算值X(k|k)：

X(k|k)＝X(k|k-1)+Kg(k)*X(k|k-1)

其中Kg為卡爾曼增益：

Kg(k)＝P(k|k-1)*H'/(H*P(k|k-1)*H'+R)

到現在為止，已經得到k狀態下最優的估算值X(k|k)；為使卡爾曼濾波器不斷的運行下去直到系統過程結束，還要更新k狀態下X(k|k)的協方差：

P(k|k)＝(I-Kg(k)*H)*P(k|k-1)

其中I為1的矩陣，算法自回歸的運算下去。