本發(fā)明涉及應(yīng)用于智能交通領(lǐng)域的運動檢測技術(shù)，尤其是一種采用高精度加速度檢測的軌道列車運行與靜止?fàn)顟B(tài)判別方法。

背景技術(shù)：

軌道運輸行業(yè)給人們生活帶來極大的便利，目前應(yīng)用于運動檢測領(lǐng)域上主流手段是視頻檢測，此項技術(shù)應(yīng)用于軌道列車上有突出的缺點如：視頻處理功耗大且判別時間相對較長；產(chǎn)品體積偏大不利于應(yīng)用在列車門鎖或衛(wèi)生間門鎖等空間狹隘的場景；處理算法相對復(fù)雜且多樣，判別方式不夠一致直接。受以上幾點的影響，視頻檢測運動技術(shù)不利于應(yīng)用在軌道列車情景中。

國內(nèi)鐵路網(wǎng)絡(luò)逐漸覆蓋全國，如今列車運動狀態(tài)日漸往高速、平穩(wěn)方向發(fā)展，在精確判斷列車處于運動狀態(tài)下需要使用更高精度的算法判別，此領(lǐng)域中的存在技術(shù)空缺。

技術(shù)實現(xiàn)要素：

為了解決現(xiàn)有視頻檢測運動技術(shù)不利于應(yīng)用于軌道列車的問題，本發(fā)明提供一種專門針對列車目標(biāo)的、高精度加速度檢測軌道列車運行與靜止?fàn)顟B(tài)判別方法，能滿足列車運動與靜止判別統(tǒng)計系統(tǒng)的要求。

為了實現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案是：

一種高精度加速度檢測軌道列車運行與靜止?fàn)顟B(tài)判別方法，該方法步驟包括，

S1:硬件平臺采集空間三軸加速度數(shù)據(jù)；

S2:利用設(shè)定動態(tài)區(qū)間檢測范圍進行積分差分運算，得出差分波形圖；

S3:利用分析列車起步與減速停止特征點波形，判斷列車為起步或減速停止的過程；

S4: 根據(jù)產(chǎn)品需求擬定差分?jǐn)?shù)據(jù)判斷區(qū)間，將每個判斷區(qū)間進行動態(tài)閾值比較，得出列車運動狀態(tài)判斷。

優(yōu)選的，步驟S1中，利用調(diào)節(jié)IIC總線通訊頻率為400K，采樣頻率為50hz，每隔20ms一個采樣點，得出未經(jīng)處理ADC值波形。

優(yōu)選的，所述空間三軸加速度數(shù)據(jù)為列車x、y、z三軸運動方向的數(shù)據(jù)，y為列車前進方向，x為列車上下運動方向，z為左右運動方向。

上述步驟S2中，積分差分運算包括動態(tài)區(qū)間積分算法和動態(tài)差分區(qū)間比較算法。

優(yōu)選的，在動態(tài)區(qū)間積分算法中，ADC值波形經(jīng)過區(qū)間積分后得出較為平滑的波形，積分區(qū)間為200ms，區(qū)間積分?jǐn)?shù)為N，N≥2。

優(yōu)選的，所述動態(tài)差分區(qū)間比較算法為，區(qū)間積分的前后值差分計算，得出每點積分差值，積分差值計算不少于M次，M≥2，差分后形成一條平整波形圖。

上述步驟S3中，利用分析起步特征點波形得出列車運動狀態(tài)從靜轉(zhuǎn)動的精確判斷；利用分析減速停止特征點波形得出列車運動狀態(tài)從動轉(zhuǎn)靜的精確判斷。

上述步驟S4中，確定差分?jǐn)?shù)據(jù)判斷區(qū)間后，將積分差分值存入判斷區(qū)間。

每個判斷區(qū)間與動態(tài)閾值比較的過程為，判斷區(qū)間是否有超出設(shè)定閥值，若為是，則認為該判斷區(qū)間為運動區(qū)間；若為否，則認為該判斷區(qū)間為靜止區(qū)間；當(dāng)運動區(qū)間數(shù)量超出判斷區(qū)間數(shù)量時，判斷列車處于運動狀態(tài)；當(dāng)靜止區(qū)間數(shù)量超出判斷區(qū)間數(shù)量時，判斷列車處于靜止?fàn)顟B(tài)。

在平穩(wěn)向前勻速運動的列車，y軸數(shù)據(jù)變化較小，接近列車停止時輸出的值；分析x與z軸數(shù)據(jù)，利用三軸滑動積分差分協(xié)同判斷列車運動狀態(tài)，當(dāng)三軸差分區(qū)間達標(biāo)到設(shè)定閾值后可進一步區(qū)分判斷為列車運動狀態(tài)。

本發(fā)明的有益效果：本發(fā)明設(shè)計了專門針對列車目標(biāo)運動檢測，采用自適應(yīng)環(huán)境模型的積分差分算法進行數(shù)據(jù)采樣區(qū)間動態(tài)判斷技術(shù)，采集空間立體三軸加速度相互識別算法，該算法對各種環(huán)境差分?jǐn)?shù)據(jù)進行了改進，包括：建立自適應(yīng)背景模型、動態(tài)區(qū)間積分模型、動態(tài)差分區(qū)間比較模型；采用自適應(yīng)背景模型的背景差分算法和其他算法進行數(shù)據(jù)對比，證明采用自適應(yīng)背景模型的背景差分算法提取特征數(shù)據(jù)準(zhǔn)確率高，可在列車運動較為勻速前進狀態(tài)下，判斷列車運行過程中空間加速度的類比值識別出微小的顛簸量，實現(xiàn)精確判斷列車運動狀態(tài)，可應(yīng)用于列車駕駛艙門、自動乘客餐桌、行李艙門等系統(tǒng)，區(qū)別于傳統(tǒng)視頻檢測技術(shù)，檢測手段簡單，檢測電路規(guī)模小、功耗低，易于集成到產(chǎn)品上直接使用。

附圖說明

下面結(jié)合附圖對本發(fā)明的具體實施方式做進一步的說明。

圖1是本發(fā)明中空間加速度軸判斷算法的流程圖；

圖2是本發(fā)明的方法步驟中三軸ADC值波形圖；

圖3是本發(fā)明的方法步驟中x軸區(qū)間積分的波形圖；

圖4是本發(fā)明的方法步驟中y軸區(qū)間積分的波形圖；

圖5是本發(fā)明的方法步驟中z軸區(qū)間積分的波形圖；

圖6是本發(fā)明的方法步驟中x軸差分的波形圖；

圖7是本發(fā)明的方法步驟中y軸差分的波形圖；

圖8是本發(fā)明的方法步驟中z軸差分的波形圖；

圖9是本發(fā)明的方法步驟中列車起步過程的特征波形圖；

圖10是本發(fā)明的方法步驟中列車減速停止過程的特征波形圖。

具體實施方式

為詳細說明本發(fā)明的技術(shù)內(nèi)容、構(gòu)造特征、所實現(xiàn)目的及效果，以下結(jié)合實施方式并配合附圖詳予說明。

本發(fā)明提供一種高精度加速度檢測軌道列車運行與靜止?fàn)顟B(tài)判別方法，具體實施例如下，

測試環(huán)境：軌道列車門把上安裝硬件系統(tǒng)，列車最高時速到達198km/h，運行時間55分鐘，過程多次停站每次約2分鐘。

該實施例中，測試硬件平臺利用低功耗STM32的32位控制器、72M時鐘頻率支持算法運算，配合mpu6050加速度傳感器檢測空間三軸加速度檢測，讀取原始ADC值后進行卡爾曼濾波得出測試所需數(shù)據(jù)。利用高精度加速度傳感器判斷列車運動狀態(tài)，盡可能縮小產(chǎn)品體積與功耗，降低產(chǎn)品應(yīng)用上硬件與開發(fā)成本。

其中，三軸加速度數(shù)據(jù)y為列車前進方向，x為列車上下運動方向，z為左右運動方向。具體方法步驟如下所示，空間加速度軸判斷算法參見圖1。

首先，初始化硬件設(shè)備設(shè)定；

利用調(diào)節(jié)IIC總線通訊頻率為400K，采樣頻率為50hz，20ms一個采樣點，得出如下未經(jīng)處理ADC值波形，參見圖2；利用50HZ高采樣頻率采集空間加速度數(shù)據(jù)，快速滑動積分處理。

經(jīng)過區(qū)間積分后得出較為平滑的波形，積分區(qū)間為200ms，區(qū)間積分?jǐn)?shù)為N，N≥2。圖3、4和5所示分別為三軸的區(qū)間積分的波形圖，積分后仍然看出傳感器零漂現(xiàn)象存在。

針對零點漂移問題，進行前后值差分計算，得出每點積分差值，積分差值計算不少于M次，M≥2；差分后得出一條平整波形圖，與圖2、3對比，特征點基本符合，不存在嚴(yán)重判斷偏差問題，圖6、7和8所示分別為三軸差分的波形圖，。其中，N與M的數(shù)值根據(jù)實際產(chǎn)品需要而設(shè)定。上述步驟實現(xiàn)建立自適應(yīng)背景模型、動態(tài)區(qū)間積分模型及動態(tài)差分區(qū)間比較模型。利用設(shè)定動態(tài)區(qū)間檢測范圍進行積分差分運算，使得傳感器排除檢測數(shù)據(jù)偏置零漂帶來的判斷干擾。

利用分析起步特征點波形得出列車運動狀態(tài)從靜轉(zhuǎn)動的精確判斷；利用分析減速停止特征點波形得出列車運動狀態(tài)從動轉(zhuǎn)靜的精確判斷。分析圖4特征點，可明顯區(qū)分出列車起步、減速停止的過程，如圖9為起步過程，圖10為減速停止過程。

確定差分?jǐn)?shù)據(jù)判斷區(qū)間后，將積分差分值存入判斷區(qū)間。判斷區(qū)間是否有超出設(shè)定閥值，若為是，則認為該判斷區(qū)間為運動區(qū)間；若為否，則認為該判斷區(qū)間為靜止區(qū)間；當(dāng)運動區(qū)間數(shù)量超出判斷區(qū)間數(shù)量時，判斷列車處于運動狀態(tài)；當(dāng)靜止區(qū)間數(shù)量超出判斷區(qū)間數(shù)量時，判斷列車處于靜止?fàn)顟B(tài)。

根據(jù)產(chǎn)品需求擬定差分?jǐn)?shù)據(jù)判斷區(qū)間，本次測試擬定為1s，即5個差分后數(shù)據(jù)裝載成一個區(qū)間。

以動車駕駛艙門鎖為例，如需求列車運動后三秒上鎖，停車后三秒開鎖，則取3個差分區(qū)間進行動態(tài)閾值比較，閾值設(shè)定可根據(jù)不同產(chǎn)品與應(yīng)用場景設(shè)定不同閾值，可調(diào)節(jié)判斷算法靈敏度。

在較為平穩(wěn)向前勻速運動的列車，y軸數(shù)據(jù)一般變化較小，理想情況下接近列車停止時輸出的值?？煞治鰔與z軸數(shù)據(jù)，利用三軸滑動積分差分協(xié)同判斷列車運動狀態(tài)，當(dāng)三軸差分區(qū)間達標(biāo)到設(shè)定閾值后可進一步區(qū)分判斷為列車運動狀態(tài)。

本發(fā)明采用自適應(yīng)環(huán)境模型的積分差分算法進行數(shù)據(jù)采樣區(qū)間動態(tài)判斷技術(shù)，采集空間立體三軸加速度相互識別算法，該算法對各種環(huán)境差分?jǐn)?shù)據(jù)進行了改進，可在列車運動較為勻速前進狀態(tài)下，判斷列車運行過程中空間加速度的類比值識別出微小的顛簸量，實現(xiàn)精確判斷列車運動狀態(tài)，可應(yīng)用于列車駕駛艙門、自動乘客餐桌、行李艙門等系統(tǒng)，區(qū)別于傳統(tǒng)視頻檢測技術(shù)，檢測手段簡單，檢測電路規(guī)模小、功耗低，易于集成到產(chǎn)品上直接使用。

以上所述，只是本發(fā)明的較佳實施例而已，本發(fā)明并不局限于上述實施方式的結(jié)構(gòu)，只要其以相同的手段達到本發(fā)明的技術(shù)效果，都應(yīng)屬于本發(fā)明的保護范圍。