城市軌道交通以其運(yùn)量大、速度快和有效緩解交通擁堵等諸多優(yōu)點(diǎn),在各大城市得到大量普及。但快速發(fā)展的同時(shí)也帶來了諸多弊病,主要體現(xiàn)在軌道和隧道變形。常規(guī)的檢測方法主要為手持檢測儀和大型軌檢車檢測,手持檢測儀檢測效率低,且精度不高。大型軌檢車成本昂貴、體積龐大,且不便進(jìn)行上下線運(yùn)作。上述檢測方法所使用的傳感器采集到的信息之間進(jìn)行單獨(dú)、孤立地處理,導(dǎo)致了信息處理工作量的增加。各傳感器信息間的內(nèi)在聯(lián)系被割斷,丟失了信息組合后的內(nèi)部特征。各傳感器不能有效組合,造成了信息資源的浪費(fèi),甚至可能導(dǎo)致決策失誤。為解決上述問題,故需要對多源傳感器數(shù)據(jù)進(jìn)行有效融合。本文通過在小型軌道檢測車上搭載多種傳感器,即慣性導(dǎo)航系統(tǒng)、激光雷達(dá)傳感器、激光位移傳感器、軸角編碼器和攝像頭,實(shí)現(xiàn)了對軌道及隧道的多維度檢測。系統(tǒng)采用PXI機(jī)箱實(shí)現(xiàn)了多傳感器數(shù)據(jù)采集的一致性,即提高了時(shí)間上的一致性和空間上的可延展性。單一傳感器在軌道和隧道的變形檢測中都有著自己的優(yōu)缺點(diǎn)。攝像頭的最大挑戰(zhàn)具體體現(xiàn)在:沒有深度信息、視場角有限以及受外界條件的影響也較大。激光雷達(dá)傳感器的最大挑戰(zhàn)具體體現(xiàn)在:感知范圍較近和角分辨有限。各傳感器信息數(shù)據(jù)進(jìn)行優(yōu)... 

【文章來源】：上海應(yīng)用技術(shù)大學(xué)上海市

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

環(huán)境感知系統(tǒng)

第4頁上海應(yīng)用技術(shù)大學(xué)碩士學(xué)位論文在此基礎(chǔ)上，國際信息融合協(xié)會(huì)首次成立，每年舉行一次專題化國際會(huì)議。目前，越來越多的國家已開展數(shù)據(jù)融合研究，多傳感器數(shù)據(jù)融合系統(tǒng)正逐步成為一個(gè)獨(dú)立的研究領(lǐng)域。目前多傳感器融合技術(shù)主要可以分為隨機(jī)類和人工智能類[12]。其中，隨機(jī)類方法有：加權(quán)平均法、卡爾曼濾波法、貝葉斯估計(jì)法、D-S證據(jù)推理法、產(chǎn)生式規(guī)則等。人工智能類方法有：模糊邏輯理論、神經(jīng)網(wǎng)絡(luò)、粗集理論、小波分析理論和支持向量機(jī)等[13]。（1）日本軌檢車日本鐵路局為確保高速鐵路新干線安全平穩(wěn)的運(yùn)行，于1975年開始設(shè)計(jì)并生產(chǎn)軌道檢測試驗(yàn)車。軌道檢測試驗(yàn)車為6節(jié)編組，每節(jié)列車上裝備有大量的電氣化設(shè)備�？蓪壍赖倪\(yùn)行安全環(huán)境進(jìn)行全面檢測。實(shí)現(xiàn)了對軌道、電力、通信、接觸網(wǎng)以及電源回路的檢測，檢測較為全面。圖1.2為日本軌道檢測車East-i，該車的運(yùn)行時(shí)速最高可達(dá)275km/h，采用二軸拖動(dòng)轉(zhuǎn)向機(jī)構(gòu)。圖1.2日本East-i軌檢車Fig.1.2JapanEast-irailinspectioncar（2）美國軌檢車美國已于早期研發(fā)出軌道檢測車，且大量關(guān)鍵技術(shù)能夠?qū)崿F(xiàn)自給自足。最早的一代美國軌檢車為T10軌檢車和Laserail軌道測量系統(tǒng)。T10軌道檢測車主要應(yīng)用了光電伺服系統(tǒng)、圖像處理系統(tǒng)和光學(xué)測量系統(tǒng)，最高運(yùn)行時(shí)速可達(dá)192km/h。Laserail軌道測量系統(tǒng)采用了先進(jìn)的激光成像、圖像處理等技術(shù)手段，檢測精度和效率大大提高，最高運(yùn)行時(shí)速可達(dá)300km/h。（3）奧地利軌檢車奧地利Plasser于1993年開發(fā)出EM250型高速軌檢車。其采用了先進(jìn)的慣性基準(zhǔn)技術(shù)、光電轉(zhuǎn)換技術(shù)和圖像處理技術(shù)，可對軌道多項(xiàng)幾何參數(shù)進(jìn)行數(shù)據(jù)采集。（4）意大利軌檢車

上海應(yīng)用技術(shù)大學(xué)碩士學(xué)位論文第5頁意大利于2001年9月研發(fā)出“阿基米德號(hào)”綜合軌道檢測車，如圖1.3所示，該車有4節(jié)客車、1節(jié)機(jī)車和1節(jié)驅(qū)動(dòng)車車組成，最高運(yùn)行時(shí)速可達(dá)220km/h。該列車有獨(dú)立的數(shù)據(jù)存儲(chǔ)庫，數(shù)據(jù)之間可通過無線網(wǎng)絡(luò)進(jìn)行通信。在速度、時(shí)間和空間上保持同步，所有子系統(tǒng)數(shù)據(jù)統(tǒng)一由中央數(shù)據(jù)庫進(jìn)行調(diào)度。圖1.3阿基米德號(hào)軌檢車Fig.1.3ArchimedesTrackInspectionCar（5）法國軌檢車法國鐵路運(yùn)營公司對一列三流制TGV型列車進(jìn)行改裝，經(jīng)過多年調(diào)試于2003年上線MGV軌道檢測車。如圖1.4所示，該車由7節(jié)編組，第一節(jié)列車用于軌道幾何參數(shù)的測量，第二節(jié)列車用于接觸網(wǎng)的檢測，第三節(jié)列車用于信號(hào)的檢測，第四節(jié)用于車地通信和無線檢測，其他列車用于其他項(xiàng)目檢測。圖1.4MGV軌檢車Fig.1.4MGVTrackInspectionCar1.3主要研究內(nèi)容1.3.1研究內(nèi)容本文依托上海地鐵2號(hào)線以及校內(nèi)100米延長線為科研平臺(tái)，在第三代小型軌道檢測車上搭載環(huán)境感知系統(tǒng)，采集校內(nèi)100m延長線的軌道及隧道數(shù)據(jù)。如圖1.5為小型

【參考文獻(xiàn)】：
期刊論文
[1]基于SOA的雷達(dá)重點(diǎn)目標(biāo)分析決策原型系統(tǒng)[J]. 羅曉玲.  兵工自動(dòng)化. 2020(04)
[2]基于LabView控制的激光Z掃描綜合實(shí)驗(yàn)設(shè)計(jì)[J]. 邱學(xué)軍,姚文俊,曹振洲,沈健.  實(shí)驗(yàn)技術(shù)與管理. 2020(04)
[3]城市軌道交通專用橋橫向剛度的規(guī)范對比分析[J]. 馬虎,任文淵,向活躍,謝佳桃,李永樂,何孟松.  鐵道標(biāo)準(zhǔn)設(shè)計(jì). 2020(10)
[4]判別相關(guān)濾波融合深度信息的目標(biāo)跟蹤算法[J]. 楊海清,唐怡豪,許倩倩,孫道洋.  小型微型計(jì)算機(jī)系統(tǒng). 2020(04)
[5]基于傳感器集群的倉庫運(yùn)維狀態(tài)監(jiān)測系統(tǒng)研究[J]. 王樹強(qiáng),崔萬林,鄭新浩,王剛,高源.  信息技術(shù). 2020(03)
[6]基于PCI數(shù)據(jù)采集卡的鈑金沖裁過程自動(dòng)監(jiān)測系統(tǒng)[J]. 陳建勛,吳少杰,劉忠偉,陳達(dá)安.  自動(dòng)化技術(shù)與應(yīng)用. 2020(03)
[7]一種基于高斯算法自動(dòng)校準(zhǔn)的多傳感器磅秤系統(tǒng)[J]. 郭建文,陳英革.  常熟理工學(xué)院學(xué)報(bào). 2020(02)
[8]基于MEMS的姿態(tài)檢測儀的設(shè)計(jì)與實(shí)現(xiàn)[J]. 陳睿,李鑫,孟翔飛.  常熟理工學(xué)院學(xué)報(bào). 2020(02)
[9]基于激光三角測距的深基坑水平位移測量[J]. 張思祥,喬龍偉,周圍,肖成志,劉杰.  傳感器與微系統(tǒng). 2020(03)
[10]基于車載的軌道扣件同步采集系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)[J]. 李鑫,彭樂樂,鐘倩文,鄭樹彬.  鐵道標(biāo)準(zhǔn)設(shè)計(jì). 2020(09)

碩士論文
[1]基于ROS的多傳感器信息融合自主導(dǎo)航控制系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 王鵬飛.南京郵電大學(xué) 2019
[2]軌道檢測車關(guān)鍵部位形變及其檢測方法研究[D]. 吳磊.上海應(yīng)用技術(shù)大學(xué) 2019
[3]GPS/IMU組合導(dǎo)航半實(shí)物仿真系統(tǒng)研究[D]. 鄧攀.中北大學(xué) 2016
[4]基于單源及多源的遷移學(xué)習(xí)方法研究[D]. 郭勇.西安電子科技大學(xué) 2013
[5]光纖捷聯(lián)慣性導(dǎo)航系統(tǒng)的設(shè)計(jì)與實(shí)驗(yàn)研究[D]. 何熠.哈爾濱工程大學(xué) 2009



本文編號(hào)：3103668