焦雄风 谭社会 张献州 陈 铮 郑旭东

(1.西南交通大学地球科学与环境工程学院,成都 611756; 2.中国铁路上海局集团有限公司,上海 200071; 3.西南交通大学高速铁路运营安全空间信息技术国家地方联合工程实验室,成都 611756)

1 概述

近年来,随着运营高速铁路逐渐增多,如何对其沉降监测数据进行科学有效的分析是目前许多学者研究的问题。Kalman滤波是一种处理实时动态数据的线性递推算法,其特点是能减少数据中存在的随机误差,还原数据中包含的有效信息。马龙将Kalman滤波算法应用在运营高速铁路重点地段变形监测数据的分析中,探究Kalman滤波在数据降噪方面的效果[1];雷孟飞等研究自适应Klaman滤波在北斗卫星数据分析中的应用,为处理分析卫星获取的运营高速铁路变形监测数据提供思路[2];杨保岑将Klaman滤波集成于大跨桥梁监测系统中,为运营高速铁路在桥梁段的变形监测数据分析提供参考[3]。运营高速铁路沉降变形受多种随机干扰因素影响,如风速、温度及建成时间等[4]。针对不同随机干扰因子,应建立具体对应的kalman滤波模型,以分析不同环境下的运营高速铁路沉降监测数据。

通过设置不同的随机干扰因子,建立Kalman静态、常速、加速滤波模型,并将其应用于运营高速铁路初期,中期、趋于稳定期状态下的沉降监测中,通过平均绝对误差、均方根误差等[5]相关模型精度评价指标,对滤波值进行评估。

2 算法原理

2.1 Kalman滤波工作原理

Kalman滤波的动态方程及观测方程为

式……