程朝陽 趙延峰 陳仕明 韓志 張茂軒 魏世斌
1.中國鐵道科學(xué)研究院集團(tuán)有限公司基礎(chǔ)設(shè)施檢測研究所,北京 100081;2.中國鐵道科學(xué)研究院研究生部,北京 100081
軌道檢測是及時(shí)掌握軌道幾何形位、指導(dǎo)工務(wù)養(yǎng)護(hù)、保證鐵路安全運(yùn)行的重要保障[1]?;趹T性基準(zhǔn)法的軌道檢測一般采用光纖陀螺提供慣性基準(zhǔn),因此有必要分析光纖陀螺噪聲對(duì)軌道檢測的影響[2]。
衡量光纖陀螺性能的基本指標(biāo)是零偏穩(wěn)定性。零偏穩(wěn)定性是指輸入角速率為零,采樣周期一定,陀螺輸出角速率的標(biāo)準(zhǔn)差。零偏穩(wěn)定性是一個(gè)綜合指標(biāo)[3],包含多項(xiàng)誤差。Allan 方差法[4]是在時(shí)域上對(duì)頻域特性進(jìn)行分析的方法,可估計(jì)光纖陀螺角度隨機(jī)游走、零偏不穩(wěn)定性、角速率隨機(jī)游走的功率譜密度[5]。三種噪聲的功率譜密度分別與頻率f的γ次方成反比,滿足冪律譜模型,屬于1∕f γ分形噪聲,其功率譜密度的傅里葉逆變換可仿真三種噪聲的時(shí)間樣本序列。
用正弦波窄帶信號(hào)模擬軌道不平順空間連續(xù)波形,基于鏈?zhǔn)椒▌t對(duì)時(shí)間和空間求導(dǎo)獲取該空間波形對(duì)應(yīng)的角速率時(shí)間序列,進(jìn)行抗混濾波、空間采樣、速度補(bǔ)償、高通濾波等高低不平順檢測算法流程,對(duì)比疊加噪聲的角速率通過相同算法流程的結(jié)果,可表征陀螺儀噪聲對(duì)檢測結(jié)果的影響。
令{x(t),- ∞<t<∞}為各態(tài)歷經(jīng)的零均值平穩(wěn)過程(t為時(shí)間),樣本函數(shù)的時(shí)間平均可替代過程的總體平均,獲取過程{x(t)}的一個(gè)樣本函數(shù)xj,j=0、1、…、M,將其分成若干個(gè)連貫數(shù)組[7],每組有連貫的n個(gè)數(shù)據(jù)點(diǎn)。相鄰的第k、k+1 組的平均值分別表示為
式中:tk、tk-1分別為相鄰兩組時(shí)間起始值;τ為時(shí)間差,tk=tk-1+τ。
由式(1)、式(2)可知
因?yàn)閤(t)為各態(tài)歷經(jīng)的平穩(wěn)過程,自相關(guān)函數(shù)R(τ)與功率譜密度Sω為傅里葉變換對(duì),且只與時(shí)間差τ有關(guān),總平均功率與平均交流功率相同,自相關(guān)函數(shù)即為協(xié)方差,故協(xié)方差與功率譜密度為傅里葉變換對(duì),表達(dá)式為
將式(5)代入式(4),可得
又因協(xié)方差為實(shí)函數(shù),功率譜密度為偶函數(shù),故Allan方差為
式(8)建立了Allan 方差和功率譜密度的關(guān)系,可有效分析陀螺各種隨機(jī)誤差[8]。
基于慣性基準(zhǔn)法的高低不平順檢測要求陀螺測量輸出的角速率在短時(shí)間內(nèi)保持較高精度,故角度隨機(jī)游走是影響檢測的主要因素;同時(shí)軌道幾何檢測中陀螺儀工作時(shí)間通常較長,因此導(dǎo)致長期漂移誤差的零偏不穩(wěn)定性和角速率隨機(jī)游走也成為影響檢測精度的主要因素[9]。本節(jié)主要對(duì)光纖陀螺的角度隨機(jī)游走、零偏不穩(wěn)定性、角速率隨機(jī)游走噪聲的功率譜密度與Allan方差的關(guān)系進(jìn)行說明。
1.2.1 角度隨機(jī)游走
角度隨機(jī)游走表現(xiàn)為陀螺輸出的角速率白噪聲。角度隨機(jī)游走反映了角速率信號(hào)中寬帶白噪聲的特性,是寬帶角速度白噪聲積分的結(jié)果,即陀螺從0時(shí)刻起累積的總角增量誤差表現(xiàn)為隨機(jī)游走[10],而每一時(shí)刻等效角速度誤差表現(xiàn)為白噪聲。這種噪聲是服從高斯分布、具有零均值的廣義平穩(wěn)白噪聲,其功率譜密度為
式中:Sω,ARW(f)為角度隨機(jī)游走噪聲功率譜密度;N為角度隨機(jī)游走噪聲功率譜密度系數(shù)。
因此,N由Allan方差表達(dá)為
1.2.2 零偏不穩(wěn)定性
采樣周期較短時(shí),光纖陀螺的零偏穩(wěn)定性隨采樣周期的增大而減小。采樣周期增加到某一值時(shí),零偏穩(wěn)定性會(huì)限制在某一量級(jí)內(nèi),此時(shí)光纖陀螺輸出中的低頻漂移開始起作用,通過增加平均時(shí)間無法加以抑制。零偏不穩(wěn)定性可用于描述陀螺角速率測量數(shù)據(jù)中的低頻漂移。當(dāng)光纖陀螺工作時(shí)間較長時(shí),零偏不穩(wěn)定性是角誤差的主要來源。
零偏不穩(wěn)定性具有低頻特性,該噪聲表現(xiàn)為偏置不穩(wěn)定性,最簡單的表達(dá)形式為隨機(jī)常數(shù)??紤]到陀螺的動(dòng)態(tài)時(shí)變特性,選擇用1∕f來模擬偏置不穩(wěn)定性噪聲功率譜,其表達(dá)式為
式中:Sω,BI(f)為零偏不穩(wěn)定性噪聲功率譜密度;B為零偏不穩(wěn)定性噪聲功率譜密度系數(shù)。
因此,B由Allan方差表達(dá)為
1.2.3 角速率隨機(jī)游走
陀螺角加速率誤差表現(xiàn)為寬帶白噪聲,角速率隨機(jī)游走(Rate Random Walk,RRW)是角加速率經(jīng)過積分后疊加在陀螺角速率觀測量上的一部分誤差,這類誤差的方差隨采樣周期增大而增大。積分后的角速率誤差表現(xiàn)為隨機(jī)游走,可通過對(duì)白噪聲的積分來近似得到,其隨機(jī)統(tǒng)計(jì)特性服從布朗運(yùn)動(dòng)特征。角速率功率譜密度表達(dá)式為
式中:Sω,RRW(f)為角速率隨機(jī)游走功率譜密度;K為角速率隨機(jī)游走功率譜密度系數(shù)。
K對(duì)應(yīng)的角速率誤差S∫ωt(f)為
角速率隨機(jī)游走對(duì)應(yīng)的Allan方差σ2RRW(τ)為
因此,K由Allan方差表達(dá)為
按照上述分析,陀螺儀輸出角速率構(gòu)成的一個(gè)樣本空間采用Allan 方差法進(jìn)行處理,可以辨識(shí)出角度隨機(jī)游走、零偏不穩(wěn)定性、角速率隨機(jī)游走各項(xiàng)誤差的噪聲系數(shù)。計(jì)算Allan方差的具體步驟如下。
①采集陀螺儀角速率靜態(tài)輸出數(shù)據(jù),以采樣頻率f采集光纖陀螺的輸出角速率,獲取長度為L的樣本空間。
②將長度為L的樣本空間每m個(gè)數(shù)據(jù)分成一組(m<L∕2),得到L∕m個(gè)獨(dú)立的數(shù)組。
上述步驟的Allan方差σ2(τ)計(jì)算公式為
按照上述方法采集陀螺儀靜態(tài)輸出角速率,計(jì)算Allan方差曲線,結(jié)果見圖1。
圖1 陀螺儀Allan方差曲線
用最小二乘法擬合Allan 方差曲線,獲取噪聲功率譜密度系數(shù),結(jié)果見圖2。可知,角度隨機(jī)游走噪聲功率譜密度系數(shù)N= 12.608 2°∕h1∕2,零偏不穩(wěn)定性噪聲功率譜密度系數(shù)B= 1.030 4°∕h,角速率隨機(jī)游走功率譜密度系數(shù)K= 0.060 0°∕h3∕2。
圖2 陀螺儀噪聲功率譜密度系數(shù)
仿真生成角度隨機(jī)游走、零偏不穩(wěn)定性、角速率隨機(jī)游走等1∕f γ分形噪聲一般有兩種方法:①利用小波[11]方法通過Karhunen-Loeve 展開式來合成;②利用FFT(Fast Fourier Transform)方法將白噪聲[12]通過一個(gè)線性濾波器,利用測定的N、B、K即可建立所有功率譜密度頻率的比例因子,采用IFFT(Inverse Fast Fourier Transform)得到分形噪聲的時(shí)間序列樣本。
本文選用第二種方法,如圖3 所示,隨機(jī)信號(hào)x(t)經(jīng)線性濾波器后得到分形信號(hào)y(t),其功率譜密度為|H(f)|2Sx(f)。
圖3 冪律噪聲仿真算法
如圖4所示,基于同一個(gè)白噪聲信號(hào),仿真了一組功率譜密度分別為N∕f0、B∕f1、K∕f2(自上而下)的分形噪聲,分別對(duì)應(yīng)陀螺儀輸出角速率信號(hào)中的角度隨機(jī)游走d、零偏不穩(wěn)定性b和角速率隨機(jī)游走ωg,幅值歸一化,單位為°∕h。
圖4 分形噪聲仿真結(jié)果
理論上分形噪聲的功率譜系數(shù)-2~0是噪聲功率譜密度對(duì)應(yīng)的傅里葉頻率f的冪,故功率譜密度線性擬合的斜率可以驗(yàn)證仿真噪聲的真實(shí)性。
如圖5 所示,自上而下依次是角度隨機(jī)游走d、零偏不穩(wěn)定性b和角速率隨機(jī)游走ωg的功率譜密度,仿真生成的噪聲功率譜密度為藍(lán)色曲線,其一次線性擬合的結(jié)果為紅色直線,直線的斜率即為噪聲功率譜密度的系數(shù)。
圖5 仿真冪律噪聲擬合結(jié)果
陀螺儀噪聲功率譜密度系數(shù)見表1??芍現(xiàn)FT方法生成的分形噪聲的實(shí)際仿真值與理論值的最大相對(duì)誤差不超過1%,且隨著取樣點(diǎn)數(shù)的增加,仿真值將更接近理論值。本文所提方法的實(shí)際仿真值與理論值的最大相對(duì)誤差不超過2%。
表1 陀螺儀噪聲功率譜密度系數(shù)
將三種噪聲疊加生成陀螺噪聲信號(hào)(圖6),即為影響陀螺儀高低不平順檢測精度的主要噪聲信號(hào)。
圖6 陀螺儀噪聲仿真信號(hào)
軌道不平順的空間曲線幅值y(單位:mm)和軌道不平順對(duì)應(yīng)的陀螺儀角速率ω(前后兩空間采樣點(diǎn)之間的平均角速率,單位:rad∕s)的表達(dá)式分別為
式中:x為空間里程,m;λ為軌道不平順波長,m;A為軌道不平順幅值,mm;v為速度,m∕s。
陀螺儀信號(hào)融合噪聲算法見圖7。其中,ωn為二階環(huán)節(jié)的自然振蕩頻率;s為復(fù)頻率;ωout為陀螺的輸出頻率;在忽略標(biāo)度因數(shù)誤差、安裝誤差及頻帶寬度的情況下,陀螺儀信號(hào)融合噪聲后輸出為ωm,其表達(dá)式為
圖7 陀螺儀信號(hào)融合噪聲算法
圖8 高低不平順?biāo)惴?/p>
仿真后的陀螺儀信號(hào)融合噪聲的信號(hào)ωm在通過抗混濾波、空間采樣、速度補(bǔ)償、高通濾波等算法流程后即可得出高低不平順。
抗混濾波H1(s)計(jì)算公式為
式中:Ω1為濾波器固有頻率,rad∕s。
時(shí)間空間的頻率對(duì)應(yīng)關(guān)系為
式中:Ω為時(shí)間角頻率,rad∕s;l為空間波長,m;φ為空間頻率,1/m。
由s= jΩ及式(24),式(23)轉(zhuǎn)化為
式中:H1(φ)關(guān)于空間頻率和車速v的函數(shù)。
對(duì)于同樣的時(shí)間截止角頻率,車速不同,則對(duì)應(yīng)的空間截止頻率不同。為消除速度對(duì)抗混濾波器在空間截止波長的影響,采用去移變?yōu)V波器H1(z)消除H1(s)的移變特性,計(jì)算式為
式中:a1、a2為常系數(shù);z為拉普拉斯變換因子,z= esLi∕vi,Li為空間采樣距離,vi為采樣距離對(duì)應(yīng)的車速。
則H1(z)的拉普拉斯變換表達(dá)式為
由H1(s)H1z(s) ≡1,取其物理意義為空間波長為零時(shí)滿足條件,此時(shí)Z平面的零點(diǎn)與S平面的極點(diǎn)相互抵消。H1(z)可寫成
式(28)中,H1(z)的系數(shù)中含有Ti,與列車運(yùn)行速度有關(guān),從而實(shí)現(xiàn)濾波特性隨車速的變化而變化。
高通濾波器P(z)采用矩形窗、三角窗并聯(lián)的形式,其表達(dá)式為
式中:b1、b2、b3、p、q、r、u均為常系數(shù),隨截止頻率變化而變化。
按照式(29)可將濾波器系統(tǒng)函數(shù)利用轉(zhuǎn)化為差分方程形式,或單個(gè)濾波器時(shí)域補(bǔ)零后卷積,二者均可快速實(shí)現(xiàn)該高通濾波器,25 ~ 120 m 不同截止波長的對(duì)應(yīng)的幅頻特性曲線如圖9所示。
圖9 高通濾波器幅頻特性
按照?qǐng)D8 算法流程,對(duì)于模擬的幅值為12.5 mm的正弦軌道高低不平順波形,陀螺儀疊加仿真噪聲與非疊加仿真噪聲的差值見圖10??梢钥闯鼋嵌入S機(jī)游走、零偏不穩(wěn)定性、角度隨機(jī)游走、三種噪聲同時(shí)疊加對(duì)軌道高低不平順檢測精度的影響??芍?,三種噪聲中,角度隨機(jī)游走對(duì)陀螺儀高低不平順檢測結(jié)果影響較小,而角速率隨機(jī)游走和零偏不穩(wěn)定性噪聲在算法中并未受抑制,是檢測中慣性基準(zhǔn)誤差的主要來源。
圖10 高低不平順仿真結(jié)果對(duì)比
1)在陀螺儀軌道高低不平順檢測中,零偏不穩(wěn)定性、角速率隨機(jī)游走是影響系統(tǒng)檢測精度的主要因素。
2)利用Allan 方差擬合出陀螺儀噪聲的功率譜密度系數(shù),并基于該系數(shù)使用FFT 逆變換仿真符合該功率譜密度的噪聲時(shí)域信號(hào),能夠有效仿真生成符合陀螺儀特性的噪聲。
3)陀螺儀噪聲對(duì)檢測結(jié)果的重復(fù)性具有一定影響,選取合適精度的陀螺儀,尤其是零偏不穩(wěn)定性、角速率隨機(jī)游走噪聲較小的陀螺儀可有效提高檢測結(jié)果的重復(fù)性。
4)本文分析結(jié)果為軌道幾何高低不平順檢測系統(tǒng)的慣性組件選型提供了參考,也為提升高低不平順檢測的重復(fù)性提供了方向。慣性器件是軌道幾何檢測中的重要傳感器,也應(yīng)用于超高、水平檢測項(xiàng),可以基于相同思路對(duì)超高、水平檢測算法流程的慣性噪聲誤差進(jìn)行分析,研究影響測量精度的主要因素。