关键词:
三线室内轨道交通
UWB定位
卷积变分自编码器
非视距鉴别
误差补偿
摘要:
某室内三线自动驾驶轨道交通系统使用了超宽带(UWB)定位系统,车辆的高精度定位是提高其运行可靠性和调度效率的关键技术。基于UWB定位精度的分析,提出了一种基于联合卷积变分自编码器和预测器(VAE-CNN)的非视距鉴别、测距误差补偿与神经网络定位误差补偿的三步UWB定位算法。首先,采集标签与基站的测距误差和信道脉冲响应(CIR)数据,训练VAE-CNN模型,根据原始CIR和重建CIR的可信度阈值剔除非视距测距值。其次,根据预测器的预测误差补偿原始测距值,使用最小二乘法计算坐标和该坐标相对于各个基站坐标的方向余弦,训练神经网络用于拟合定位误差与方向余弦的关系。在已公开的包含视距和非视距的UWB测距值和CIR数据集上,验证了VAE-CNN模型的非视距鉴别能力,评估了基于VAE-CNN模型的非视距鉴别和测距误差补偿对定位精度的提升效果;在不同测距方差下,基于车辆模拟运行轨迹,评估了定位误差补偿神经网络提高定位精度的效果。搭建了UWB定位系统,验证了动态定位中三步UWB定位算法的实际效果。结果表明,动态定位中,在完全视距环境中,算法的平均定位误差为28.68 mm,均方根定位误差为16.67 mm,最大定位误差为76.68 mm;存在非视距的环境中,算法的平均定位误差为38.73 mm,均方根定位误差为20.61 mm,最大定位误差为116.47 mm。由此可知,所提出的三步UWB定位算法具有精度高、成本低和稳定性好的优点,能满足所涉及的室内轨道交通的定位需求。