Development of an Unscented Kalman Filter-based method for online wagon resistance parameters identification on hump yards within a digital twin framework

Abstract

EN: The object of research is the process of online identification of wagon motion parameters during the sorting process within the framework of its application in the digital twin structure of a sorting complex. The problem is the insufficient efficiency of existing sorting technologies, which fail to adequately account for the individual dynamic properties of wagons. Traditional methods rely on averaged standard values of resistance parameters or simplified characteristics of wagon rolling qualities. Inadequate speed regulation leads to either short rollouts of wagons or their collision at unsafe speeds. In this paper, a vector model of wagon motion is formulated, which adequately accounts for the dynamics of resistance forces depending on the dynamics of wagon position changes on the track and its spatial orientation. The observability conditions for two hidden resistance parameters – the specific rolling resistance coefficient and the specific aerodynamic coefficient – are determined based on kinematic measurements. It is proven that curved track sections act as a natural excitation factor, enabling separate identification of both parameters. An approach to the online identification of these parameters has been developed based on the adaptation of the Unscented Kalman Filter (UKF) algorithm, which, unlike other similar algorithms, allows for the adequate consideration of wagon motion model non-linearity without simplifications or linearization. Experimental researches on the digital twin proved that even with an initial parameter error of 90%, the algorithm ensures stable convergence over a 200 m observation section with final errors of 2.2% and 1.2%, respectively. Thus, during the simulation, it was established that the proposed approach is capable of providing a prediction error for the free-rolling wagon trajectory length to the stopping point at a level of approximately ~22 m. Such accuracy is sufficient to ensure the efficient and safe operation of sorting systems under real conditions.

UA: Об’єктом дослідження є процес онлайн-ідентифікації параметрів руху вагона під час скочування в контексті цього використання у структурі цифрового двійника сортувального комплексу.

Проблемою є недостатня ефективність існуючих технології сортування, які не дозволяють в достатній мірі враховувати індивідуальні динамічні властивості вагонів. Традиційні методи спираються на усереднені нормативні значення опорних параметрів, або на спрощенні характеристики бігових якостей вагона. Неадекватне ж регулювання швидкості призводить або до недокатів вагонів, або до їх співзіткнення на небезпечних швидкостях.

У роботі сформовано векторну модель руху вагона, яка адекватно враховує динаміку дії опорних сил залежно від динаміки зміни положення вагона на колії та його орієнтації у просторі. Визначено умови спостережуваності двох прихованих параметрів опору – питомого коефіцієнта опору коченню та питомого аеродинамічного коефіцієнта – на основі кінематичних вимірювань. Доведено, що криволінійні ділянки колії виступають як природний фактор збудження, який дозволяє роздільно ідентифікувати обидва параметри. Розроблено підхід до онлайн-ідентифікації цих параметрів на основі адаптації існуючого алгоритму сигма-точкового фільтра Калмана, який на відміну від інших подібних алгоритмів дозволяє адекватно враховувати нелінійність моделі руху вагона без спрощень та лінеаризації. Експериментальні дослідження на цифровому двійнику довели, що навіть за початкової похибки у 90% алгоритм забезпечує стійку збіжність на ділянці 200 м із фінальними похибками 2,2% та 1,2%, відповідно.

Таким чином в ході моделювання було встановлено, що запропонований підхід здатен забезпечити похибку прогнозування довжини траєкторії вільного кочення вагона до точки зупинки на рівні приблизно ~22 м. Така точність є достатньою для забезпечення ефективного та безпечного функціонування сортувальних систем в реальних умовах.