考虑IMU/ODO误差建模的列车因子图定位方法OA

为解决列车运行在复杂环境中,全球卫星导航系统(global navigation satellite system,GNSS)常发生信号失锁现象,导致列车定位准确性下降的问题,提出了考虑惯性测量单元(inertial measurement unit,IMU)/里程计(Odometer,ODO)误差模型的列车因子图组合定位模型。在捷联惯性导航系统(strapdown inertial navigation system,SINS)/GNSS列车定位系统的基础上,引入ODO传感器提供失锁状态下的辅助约束,通过3类传感器获取列车量测信息,将其转化为GNSS、IMU、ODO因子和先验因子。引入SINS力学编排与误差建模理论,对IMU与ODO因子进行修正和优化,建立状态变量、传感器因子、误差因子间的无向连接关系,形成多维度的列车联合定位模型,实现位置推算。当GNSS出现失锁时,借助因子图灵活切换的特性,将系统转化为改进后的IMU/ODO因子图模型,并采用全局优化策略来控制误差累积,保证列车在卫星信号中断条件下仍具备较高的定位精度。分别采用传统预积分因子图算法、增量平滑优化(incremental smoothing and mapping2,iSAM2)因子图算法、误差状态卡尔曼滤波(error state kalman filter,ESKF)算法以及改进型因子图算法进行列车定位的仿真实验与列车车载实验。车载实验中,列车在60 s的直线和弯道失锁工况下,定位最大误差控制在2 m与4 m以内。与iSAM2、常规因子图方法、ESKF相比,改进因子图算法的整体定位精度提升幅度分别达到了50.8%、64.3%、85.5%。改进后的因子图算法增强了列车在卫星信号中断时的连续定位能力,同时支持多类传感器的灵活接入,为列车在复杂运行环境中保持连续高精度定位提供了一种可行的技术路径。