高速列車(chē)智能駕駛及其安全分析技術(shù)

　　本書(shū)共8章。第1章為概述，介紹了本書(shū)的研究背景與意義、國(guó)內(nèi)外的研究現(xiàn)狀及主要研究?jī)?nèi)容和篇章結(jié)構(gòu)。第2章介紹基于系統(tǒng)建模語(yǔ)言（SysML）的列控系統(tǒng)形式化建模方法，該方法運(yùn)用構(gòu)造型擴(kuò)展機(jī)制設(shè)計(jì)了面向系統(tǒng)需求和面向列控系統(tǒng)混成特性的統(tǒng)一建模語(yǔ)言（UML）概要文件。其中：面向需求的概要文件對(duì)SysML需求圖中的需求約束以及模塊定義圖中的屬性和操作進(jìn)行擴(kuò)展；面向混成特性的HUML概要文件對(duì)數(shù)據(jù)類(lèi)型、類(lèi)、約束、表達(dá)式和狀態(tài)機(jī)進(jìn)行擴(kuò)展，以滿足混成自動(dòng)機(jī)模型的建模需要。第3章介紹基于PSL的列控系統(tǒng)需求規(guī)范形式化建模與驗(yàn)證方法，運(yùn)用迭代的方式查找規(guī)范中潛在的缺陷，以提高需求規(guī)范的質(zhì)量。第4章介紹基于混成自動(dòng)機(jī)模型的系統(tǒng)安全分析方法、首先，針對(duì)含有未知控制參數(shù)的混成自動(dòng)機(jī)模型進(jìn)行分析，根據(jù)列車(chē)具體的控制需求和目標(biāo)得到未知控制參數(shù)的可行解或約束范圍。其次，為了解決非線性混成自動(dòng)機(jī)模型的安全性驗(yàn)證問(wèn)題，運(yùn)用時(shí)間有界的可達(dá)性分析方法，研究時(shí)間有界情況下列車(chē)的在線安全驗(yàn)證算法，有效降低傳統(tǒng)形式化方法驗(yàn)證的難度。第5章介紹基于概率混成自動(dòng)機(jī)模型的列車(chē)運(yùn)行安全監(jiān)控方法，用于在線評(píng)估列車(chē)當(dāng)前運(yùn)行狀態(tài)下的量化安全級(jí)別，達(dá)到對(duì)列車(chē)運(yùn)行狀態(tài)安全監(jiān)控及對(duì)危險(xiǎn)狀態(tài)及時(shí)預(yù)警的目的。第6章介紹基于參數(shù)馬爾可夫（Markov）模型的系統(tǒng)可靠性在線評(píng)估方法，運(yùn)用分層迭代分析方法近似估算系統(tǒng)瞬態(tài)可靠性指標(biāo)，以提高系統(tǒng)可靠性指標(biāo)的計(jì)算速度。同時(shí)，在考慮不完全覆蓋故障的情況下，研究運(yùn)用馬爾可夫（Markov）模型分析動(dòng)態(tài)故障樹(shù)可靠性的方法。第7章介紹基于稀疏最小二乘支持向量機(jī)（LSSVM）及集成分類(lèi)回歸樹(shù)的列車(chē)智能駕駛方法，運(yùn)用稀疏優(yōu)化算法對(duì)列車(chē)駕駛數(shù)據(jù)集進(jìn)行預(yù)處理，然后運(yùn)用集成分類(lèi)回歸樹(shù)算法訓(xùn)練處理后的駕駛數(shù)據(jù)集。在保證駕駛曲線的節(jié)能、運(yùn)行時(shí)間、模式切換次數(shù)等指標(biāo)的條件下，稀疏算法將有效提高訓(xùn)練數(shù)據(jù)的稀疏度和乘坐舒適度。第8章介紹基于混成自動(dòng)機(jī)（HA）及集成分類(lèi)回歸樹(shù)算法的多列車(chē)安全智能駕駛方法，在單列車(chē)智能駕駛的基礎(chǔ)上，通過(guò)混成自動(dòng)機(jī)與智能學(xué)習(xí)算法相結(jié)合的方式，實(shí)現(xiàn)一種多列車(chē)安全智能駕駛策略，以保證多列車(chē)之間的安全運(yùn)行間隔。

暫缺《高速列車(chē)智能駕駛及其安全分析技術(shù)》作者簡(jiǎn)介