高速列車智能駕駛及其安全分析技術(shù)

　　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(nèi)外的研究現(xiàn)狀及主要研究內(nèi)容和篇章結(jié)構(gòu)。第2章介紹基于系統(tǒng)建模語言（SysML）的列控系統(tǒng)形式化建模方法，該方法運用構(gòu)造型擴展機制設(shè)計了面向系統(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(shù)據(jù)類型、類、約束、表達式和狀態(tài)機進行擴展，以滿足混成自動機模型的建模需要。第3章介紹基于PSL的列控系統(tǒng)需求規(guī)范形式化建模與驗證方法，運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機模型的系統(tǒng)安全分析方法、首先，針對含有未知控制參數(shù)的混成自動機模型進行分析，根據(jù)列車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算法，有效降低傳統(tǒng)形式化方法驗證的難度。第5章介紹基于概率混成自動機模型的列車運行安全監(jiān)控方法，用于在線評估列車當(dāng)前運行狀態(tài)下的量化安全級別，達到對列車運行狀態(tài)安全監(jiān)控及對危險狀態(tài)及時預(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)可靠性在線評估方法，運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(tài)故障樹可靠性的方法。第7章介紹基于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(yōu)化算法對列車駕駛數(shù)據(jù)集進行預(yù)處理，然后運用集成分類回歸樹算法訓(xùn)練處理后的駕駛數(shù)據(jù)集。在保證駕駛曲線的節(jié)能、運行時間、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機（HA）及集成分類回歸樹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(chǔ)上，通過混成自動機與智能學(xué)習(xí)算法相結(jié)合的方式，實現(xiàn)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。

暫缺《高速列車智能駕駛及其安全分析技術(shù)》作者簡介