高速列车智能驾驶及其安全分析技术

　　本书共8章。第1章为概述，介绍了本书的研究背景与意义、国内外的研究现状及主要研究内容和篇章结构。第2章介绍基于系统建模语言（SysML）的列控系统形式化建模方法，该方法运用构造型扩展机制设计了面向系统需求和面向列控系统混成特性的统一建模语言（UML）概要文件。其中：面向需求的概要文件对SysML需求图中的需求约束以及模块定义图中的属性和操作进行扩展；面向混成特性的HUML概要文件对数据类型、类、约束、表达式和状态机进行扩展，以满足混成自动机模型的建模需要。第3章介绍基于PSL的列控系统需求规范形式化建模与验证方法，运用迭代的方式查找规范中潜在的缺陷，以提高需求规范的质量。第4章介绍基于混成自动机模型的系统安全分析方法、首先，针对含有未知控制参数的混成自动机模型进行分析，根据列车具体的控制需求和目标得到未知控制参数的可行解或约束范围。其次，为了解决非线性混成自动机模型的安全性验证问题，运用时间有界的可达性分析方法，研究时间有界情况下列车的在线安全验证算法，有效降低传统形式化方法验证的难度。第5章介绍基于概率混成自动机模型的列车运行安全监控方法，用于在线评估列车当前运行状态下的量化安全级别，达到对列车运行状态安全监控及对危险状态及时预警的目的。第6章介绍基于参数马尔可夫（Markov）模型的系统可靠性在线评估方法，运用分层迭代分析方法近似估算系统瞬态可靠性指标，以提高系统可靠性指标的计算速度。同时，在考虑不完全覆盖故障的情况下，研究运用马尔可夫（Markov）模型分析动态故障树可靠性的方法。第7章介绍基于稀疏最小二乘支持向量机（LSSVM）及集成分类回归树的列车智能驾驶方法，运用稀疏优化算法对列车驾驶数据集进行预处理，然后运用集成分类回归树算法训练处理后的驾驶数据集。在保证驾驶曲线的节能、运行时间、模式切换次数等指标的条件下，稀疏算法将有效提高训练数据的稀疏度和乘坐舒适度。第8章介绍基于混成自动机（HA）及集成分类回归树算法的多列车安全智能驾驶方法，在单列车智能驾驶的基础上，通过混成自动机与智能学习算法相结合的方式，实现一种多列车安全智能驾驶策略，以保证多列车之间的安全运行间隔。

暂缺《高速列车智能驾驶及其安全分析技术》作者简介

1 概述
 1.1 研究背景与意义
 1.2 国内外研究现状
 1.3 研究内容和篇章结构
2 基于SysML的列控系统形式化建模方法
 2.1 系统建模语言SysML
 2.2 面向需求的概要文件设计
 2.3 面向混成行为的概要文件设计
 2.4 CTCS-3级列控系统规范建模
3 基于PSL的列控系统需求规范形式化建模与验证
 3.1 系统形式化需求的定性分析方法
 3.2 “RBC切换”场景规范的建模与分析
 3.3 模式转换规范的建模与分析
4 基于混成自动机模型的系统安全分析方法
 4.1 混成自动机概述
 4.2 基于混成自动机模型的不确定控制参数分析方法
 4.3 基于混成自动机模型的列车运行状态在线监控算法
 4.4 案例分析
5 基于概率混成自动机模型的列车运行安全监控方法
 5.1 概率混成自动机及自动机之间的复合规则
 5.2 列车运行状态的安全监控框架
 5.3 案例分析
6 基于参数Markov模型的系统可靠性在线评估方法
 6.1 动态故障树建模方法
 6.2 基于动态故障树的可靠性及安全性在线评估方法
 6.3 案例分析
7 基于稀疏LSSVM及集成回归树的智能驾驶方法
 7.1 智能驾驶算法的框架及评价指标
 7.2 单列车智能驾驶算法
 7.3 案例分析
8 基于HA及集成分类回归树算法的多列车安全智能驾驶方法
 8.1 多列车的安全智能驾驶策略
 8.2 基于速度分级制动的列车追踪间隔控制
 8.3 基于IPEM稀疏优化算法
 8.4 案例分析