融合余项扩展卡尔曼滤波器的列车运行状态估计方法及系统

本发明提供一种融合余项扩展卡尔曼滤波器的列车运行状态估计方法及系统，属于基于深度学习的轨道交通列车运行管理技术领域，获取列车状态信息，基于获取的列车状态信息，基于列车的非线性状态空间模型预测得到列车中间状态估计结果；基于LSTM结构的深度神经网络模块，以中间状态估计结果、误差协方差、Kalman增益以及系统残差作为输入特征，通过非线性组合学习模型误差分布，输出一组经优化后的状态估计结果；对中间状态估计结果和优化后的状态估计结果进行加权融合，得到最终的状态估计结果。本发明提升了系统状态估计的精度，增强了系统的非线性建模能力，可自适应地捕捉和学习系统中的复杂非线性关系，弥补传统滤波器在处理非线性系统时的不足。