神经网络融合多源信息的列车测速方法研究OA

地铁列车自主测速定位的准确性与可靠性是保障其行车安全和效率的先决条件。在目前常用地铁列车测速方法的基础上,研究传感器的选型以及相应多源数据融合算法,提出运用人工神经网络融合光电式传感器、多普勒雷达传感器以及加速度计的地铁列车智能测速方法。该方法充分利用人工神经网络的自学习、自适应、非线性的能力,选用光电式传感器、多普勒雷达、加速度计这三种传感器的实测数据作为其输入,选取RBF人工神经网络智能融合快速寻优,自适应地调整它们的实测数据权重,从而得到地铁列车的实时速度值,以期达到进一步提高列车测速的精确性与可靠性的目的。