幫助中心 | 我的帳號 | 關於我們

高速列車智能駕駛及其安全分析技術/智能高鐵技術系列

  • 作者:程瑞軍//陳德旺|責編:宋浩田
  • 出版社:西南交大
  • ISBN:9787564392505
  • 出版日期:2023/06/01
  • 裝幀:平裝
  • 頁數:209
人民幣:RMB 65 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書共8章。第1章為概述,介紹了本書的研究背景與意義、國內外的研究現狀及主要研究內容和篇章結構。第2章介紹基於系統建模語言(SysML)的列控系統形式化建模方法,該方法運用構造型擴展機制設計了面向系統需求和面向列控系統混成特性的統一建模語言(UML)概要文件。其中:面向需求的概要文件對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行擴展;面向混成特性的HUML概要文件對數據類型、類、約束、表達式和狀態機進行擴展,以滿足混成自動機模型的建模需要。第3章介紹基於PSL的列控系統需求規範形式化建模與驗證方法,運用迭代的方式查找規範中潛在的缺陷,以提高需求規範的質量。第4章介紹基於混成自動機模型的系統安全分析方法、首先,針對含有未知控制參數的混成自動機模型進行分析,根據列車具體的控制需求和目標得到未知控制參數的可行解或約束範圍。其次,為了解決非線性混成自動機模型的安全性驗證問題,運用時間有界的可達性分析方法,研究時間有界情況下列車的在線安全驗證演算法,有效降低傳統形式化方法驗證的難度。第5章介紹基於概率混成自動機模型的列車運行安全監控方法,用於在線評估列車當前運行狀態下的量化安全級別,達到對列車運行狀態安全監控及對危險狀態及時預警的目的。第6章介紹基於參數馬爾可夫(Markov)模型的系統可靠性在線評估方法,運用分層迭代分析方法近似估算系統瞬態可靠性指標,以提高系統可靠性指標的計算速度。同時,在考慮不完全覆蓋故障的情況下,研究運用馬爾可夫(Markov)模型分析動態故障樹可靠性的方法。第7章介紹基於稀疏最小二乘支持向量機(LSSVM)及集成分類回歸樹的列車智能駕駛方法,運用稀疏優化演算法對列車駕駛數據集進行預處理,然後運用集成分類回歸樹演算法訓練處理后的駕駛數據集。在保證駕駛曲線的節能、運行時間、模式切換次數等指標的條件下,稀疏演算法將有效提高訓練數據的稀疏度和乘坐舒適度。第8章介紹基於混成自動機(HA)及集成分類回歸樹演算法的多列車安全智能駕駛方法,在單列車智能駕駛的基礎上,通過混成自動機與智能學習演算法相結合的方式,實現一種多列車安全智能駕駛策略,以保證多列車之間的安全運行間隔。

作者介紹
程瑞軍//陳德旺|責編:宋浩田

目錄
1  概述
  1.1  研究背景與意義
  1.2  國內外研究現狀
  1.3  研究內容和篇章結構
2  基於SysML的列控系統形式化建模方法
  2.1  系統建模語言SysML
  2.2  面向需求的概要文件設計
  2.3  面向混成行為的概要文件設計
  2.4  CTCS-3級列控系統規範建模
3  基於PSL的列控系統需求規範形式化建模與驗證
  3.1  系統形式化需求的定性分析方法
  3.2  「RBC切換」場景規範的建模與分析
  3.3  模式轉換規範的建模與分析
4  基於混成自動機模型的系統安全分析方法
  4.1  混成自動機概述
  4.2  基於混成自動機模型的不確定控制參數分析方法
  4.3  基於混成自動機模型的列車運行狀態在線監控演算法
  4.4  案例分析
5  基於概率混成自動機模型的列車運行安全監控方法
  5.1  概率混成自動機及自動機之間的複合規則
  5.2  列車運行狀態的安全監控框架
  5.3  案例分析
6  基於參數Markov模型的系統可靠性在線評估方法
  6.1  動態故障樹建模方法
  6.2  基於動態故障樹的可靠性及安全性在線評估方法
  6.3  案例分析
7  基於稀疏LSSVM及集成回歸樹的智能駕駛方法
  7.1  智能駕駛演算法的框架及評價指標
  7.2  單列車智能駕駛演算法
  7.3  案例分析
8  基於HA及集成分類回歸樹演算法的多列車安全智能駕駛方法
  8.1  多列車的安全智能駕駛策略
  8.2  基於速度分級制動的列車追蹤間隔控制
  8.3  基於IPEM稀疏優化演算法
  8.4  案例分析

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032