CN109543248A - 基于故障势能场的列车***故障传播路径的生成方法 - Google Patents

基于故障势能场的列车***故障传播路径的生成方法 Download PDF

Info

Publication number
CN109543248A
CN109543248A CN201811302460.4A CN201811302460A CN109543248A CN 109543248 A CN109543248 A CN 109543248A CN 201811302460 A CN201811302460 A CN 201811302460A CN 109543248 A CN109543248 A CN 109543248A
Authority
CN
China
Prior art keywords
train system
railway train
failure
component
probability
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811302460.4A
Other languages
English (en)
Other versions
CN109543248B (zh
Inventor
秦勇
付勇
寇淋淋
叶萌
程晓卿
贾利民
张志龙
李恒奎
刘兴旺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201811302460.4A priority Critical patent/CN109543248B/zh
Publication of CN109543248A publication Critical patent/CN109543248A/zh
Application granted granted Critical
Publication of CN109543248B publication Critical patent/CN109543248B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/15Vehicle, aircraft or watercraft design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/17Mechanical parametric or variational design

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明提供了基于故障势能场的列车***故障传播路径的生成方法,包括:构建轨道列车***复杂网络模型;根据病毒传播模型和故障势能场理论,构建轨道列车***部件间传播概率模型;根据轨道列车***部件间传播概率模型和轨道列车***复杂网络模型,构建轨道列车***故障传播模型;根据所述轨道列车***故障传播模型进行迭代判断,得到列车***故障传播路径。本发明从轨道列车***网络结构以及节点的本身状态及内在机理分析列车***故障传播过程,进而得到所有可能的传播路径及其概率,有助于更优质的进行运维工作。

Description

基于故障势能场的列车***故障传播路径的生成方法
技术领域
本发明涉及轨道列车***故障传播分析领域,尤其涉及基于故障势能场 的列车***故障传播路径的生成方法。
背景技术
伴随着轨道交通***的快速发展,轨道列车的技术构成复杂度愈来愈 高,轨道列车的不同子***、零部件等多达四万多个,且具有较强的相互依 赖与耦合作用关系,使得一旦***中某一设备或部件发生故障,会导致与其 相关联的设备或备件受到影响,产生故障传播的效果,严重时则会影响整个 列车的运行。因此,如何准确掌握分析轨道列车***故障传播规律,是目前 研究的重点和轨道交通现场管理部门面临的最迫切问题。
目前,现有技术中传统的机械***的故障传播的研究方法多采用故障树 分析法(FTA)、故障模式及其影响分析法(FMEA)、马尔可夫分析法及其衍 生方法,然而上述现有技术中的缺点为:这些方法常常针对的仅为某一事 件,并不能表征轨道交通列车***整体故障传播的过程,一些学者采用Petri 网和贝叶斯网络的方法建立一些部件数量相对较少的机械***的故障传播模 型,但是,Petri网和贝叶斯网络并不能适用于极具复杂的大***的研究分 析,因轨道列车***部件数量众多,该方法无法精确描述***之间的相关关 系,因此,上述两种模型已不适用于轨道列车***故障传播的研究。另外, 现有技术中还有一些学者采用复杂网络和病毒传播的理论来研究复杂大*** 的故障传播过程。然而,在病毒传播模型中,传播的平均速率的定义与求解 非常困难,通常是通过经验与统计数据来获得的,并没有涉及到各个病毒节 点本身的状态属性,由于轨道列车***是一个复杂的机电信息大***,其零 部件众多,且存在着复杂的机械、电子、信息、控制等相互影响和耦合关系,因此,***部件本身的状态会影响着与其相关的传播效果最终导致整个 ***网络状态的变化。
发明内容
本发明提供了基于故障势能场的列车***故障传播路径的生成方法,以 在病毒传播模型的基础上,解决上述问题。
为了实现上述目的,本发明采取了如下技术方案。
本发明提供了基于故障势能场的列车***故障传播路径的生成方法,包 括:
构建轨道列车***复杂网络模型;
根据病毒传播模型和故障势能场理论,构建轨道列车***部件间传播概 率模型;
根据所述的轨道列车***部件间传播概率模型和所述的轨道列车***复 杂网络模型,构建轨道列车***故障传播模型;
根据所述轨道列车***故障传播模型进行迭代判断,得到列车***故障 传播路径。
进一步地,构建轨道列车***复杂网络模型,包括:以部件为节点、以 部件耦合关系为连接边,构建轨道列车***复杂网络模型如下式所示:
G=(V,E,R)
其中,该***由n个部件组成,n个部件之间存在m条连接边;
V={v1,v2,…,vn}表示轨道列车***的n个部件;
E={e12,…eij,…,ern}表示轨道列车***的m条连接边;
R={r12,…rij,…,rrn}表示轨道列车***中相邻部件之间的连接距离。
进一步地,根据病毒传播模型和故障势能场理论,构建轨道列车***部 件间传播概率模型,包括:
所述的病毒传播模型如下式所示:
其中,Pij为病毒从节点vi传播到节点vj的概率;
为病毒节点vi与其相邻的节点vj之间的平均传播速率;
λi为病毒节点vi的病程时间;
根据所述的故障势能场理论,在由两物体i和j构成的势能场中,物体i的势 能Ei如下式所示:
物体l的速度根据如下能量守恒定律公式计算:
基于能量守恒定律,计算如下式所示:
基于所述故障势能场理论得到的复杂***故障传播概率如下式所示:
其中,mi,mj,ml分别为物体i、j、l的故障状态;ai为物体i传播运动的加 速度;hi为物体i的传播位移;rij为物体i和j之间的距离,即部件之间的连接距 离;为物体l在物体i处运动到物体i和物体j连线上的中点位置的速度;x为物 体i和j之间的距离的一半,即 为物体i和j之间平均传播速 度,G是模型常量参数;λi为部件i的平均修复时间。
进一步地,根据所述的轨道列车***部件间传播概率模型和所述的轨道 列车***复杂网络模型,构建轨道列车***故障传播模型,包括:
在轨道列车***网络模型G=(V,E,R)与***间部件故障传播概率模型Pij的 基础上,依据分布扩散的原则,构建轨道列车***故障传播模型Sk如下式所 示:
Sk=〈V,E,R,Mk,Ik>
其中:
表示第k步故障传播后的***状态;
表示***的初始状态;
M(l)k表示k步故障传播后的第l条路径上节点的状态集合;
表示第k步故障传播的***关联矩阵;
符号的定义为:
若A∈Rm×n,且B∈R1×n,则有:
符号“·”的定义为:
若A∈Rm×n,且B∈R1×n,则有:
进一步地,根据所述轨道列车***故障传播模型进行迭代判断,得到列 车***故障传播路径,包括:
当***故障传播链路上的传播概率小于一定阈值时,初始节点故障 终止传播,停止迭代过程,得到列车***故障传播路径,其中,最初第一步 ***部件间的故障传播概率为P(1),当***故障传播至第k步时,有***部件 间的故障传播概率P(2),…,P(k),与其相应的***故障传播链路{1,2,…, k},其中,一定阈值为10-8
由上述本发明的基于故障势能场的列车***故障传播路径的生成方法提 供的技术方案可以看出,本发明从轨道列车***网络结构以及节点的本身状 态及其内在机理分析列车***故障传播过程,进而得到所有可能的传播路径 及其概率,有助于现场运营维护人员重点检测与监测***部件状态,更优质 的进行运维工作。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的 描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所 需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发 明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前 提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的基于故障势能场的列车***故障传播路径的 生成方法流程图;
图2为本发明实施例2提供的轨道列车转向架***复杂网络模型示意图;
图3为本发明实施例2提供的故障节点v1→v5→v2传播路径示意图;
图4为本发明实施例2提供的故障节点v19→v1→v6→v10传播路径示意 图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图 中示出,其中自始至终相同或类似的标号表示相同或类似的元件或 具有相同或类似功能的元件。下面通过参考附图描述的实施方式是 示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所 有术语(包括技术术语和科学术语)具有与本发明所属领域中的普 通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字 典中定义的那些术语应该被理解为具有与现有技术的上下文中的意 义一致的意义,并且除非像这里一样定义,不会用理想化或过于正 式的含义来解释。
为便于对本发明的理解,下面将结合附图以几个具体实施例为 例做进一步的解释说明,且各个实施例并不构成对本发明实施例的 限定。
本发明的基于故障势能场的列车***故障传播路径的生成方 法,旨在通过轨道列车***网络结构以及节点的本身状态及其内在 机理(故障势能场)分析列车***故障传播过程。
实施例1
图1为本发明实施例1提供的基于故障势能场的列车***故障传 播路径的生成方法流程图,参照图1,该方法包括如下的处理步骤:
步骤S1、构建轨道列车***复杂网络模型;
步骤S2、根据病毒传播模型和故障势能场理论,构建轨道列车 ***部件间传播概率模型;
步骤S3、根据所述的轨道列车***部件间传播概率模型和所述 的轨道列车***复杂网络模型,构建轨道列车***故障传播模型;
步骤S4、根据所述轨道列车***故障传播模型进行迭代判断, 得到列车***故障传播路径。
进一步地,构建轨道列车***复杂网络模型,包括:研究轨道 列车***及其部件之间的耦合作用关系,采用复杂网络理论和图论 知识,以部件为节点、以部件耦合关系为连接边,构建轨道列车系 统复杂网络模型,轨道列车***复杂网络模型如下式所示:
G=(V,E,R) (1)
其中,该***由n个部件组成,n个部件之间存在m条连接边;
V={v1,v2,…,vn}表示轨道列车***的n个部件;
E={e12,…eij,…,ern}表示轨道列车***的m条连接边;
R={r12,…rij,…,rrn}表示轨道列车***中相邻部件之间的连接距离。
进一步地,根据病毒传播模型和故障势能场理论,构建轨道列 车***部件间传播概率模型,包括:
基于网络的病毒传播模型,其中任一病毒节点m与其相邻的易 感染节点n之间的平均传播速率为且病毒节点m的病程时间为 λm,则病毒从节点m传播到节点n的概率为Pmn,而没有传播的概率如 下式所示:
因此,所述的病毒传播模型Pij如下式所示:
其中,Pij为病毒从节点vi传播到节点vj的概率;Δt为传播过程中 的单位时间;
为病毒节点vi与其相邻的节点vj之间的平均传播速度;
λi为病毒节点m的病程时间;
根据所述的故障势能场理论,在由两物体i和j构成的势能场中, 物体i的势能Ei如下式所示:
假设另一物体l在物体i出以静止的状态运动到物体i和j连线上的 中点位置,不考虑外界其他因素的影响,此时物体l的速度可为
物体l的速度根据如下能量守恒定律公式计算:
基于能量守恒定律,可计算如下式所示:
类比于实际的势能场,将***部件的状态定为故障势能场中质 体的质量,相邻部件之间的连接距离定为故障势能场中质体间的距 离。基于所述故障势能场理论得到的复杂***故障传播概率如下式 所示:
其中,mi,mj,ml分别为物体i、j、l的故障状态;ai为物体i传播 运动的加速度;hi为物体i的传播位移;rij为物体i和j之间的距离,即 部件之间的连接距离;为物体l在物体i处运动到物体i和物体j连线 上的中点位置的速度;x为物体i和j之间的距离的一半,即
为物体i和j之间平均传播速度,G是模型常量参 数;λi为部件i的平均修复时间。
由于轨道列车***的各个部件都可能产生故障,这是客观存在 的,能够在各部件之间按照一定的关系进行传播和演变,具有一定 的时空特性。因此,将轨道列车***部件中的故障发散类比为故障 场。
场是由场源产生,故障场是由轨道列车***部件故障产生。场 量可以表征为部件按一定的关系进行传播的时空函数,离场源越 近,能量就会越强。对于矢量场而言,场量是有方向的,而对于故 障场而言,即部件之间的故障传播方向。
故障势能场,表征轨道列车***部件之间故障失效后量化相互 影响程度的一种“物理场”,与电磁场与引力场的概念稍有区别, 但具备“场”的基本特征,场量的大小与部件的状态相关。因此, 采用故障场的理论来研究轨道列车***部件之间故障传播问题。
进一步地,根据所述的轨道列车***部件间传播概率模型和所 述的轨道列车***复杂网络模型,构建轨道列车***故障传播模 型,包括:
在轨道列车***网络模型G=(V,E,R)与***间部件故障传播概率 模型Pij的基础上,依据分布扩散的原则,构建轨道列车***故障传 播模型Sk如下式所示:
Sk=<V,E,R,Mk,Ik
其中:
表示第k步故障传播后的***状态;
表示***的初始状态;
M(l)k表示k步故障传播后的第l条路径上节点的状态集合;
表示第k步故障传播的***关联矩阵。
符号的定义为:
若A∈Rm×n,且B∈R1×n,则有:
符号“·”的定义为:
若A∈Rm×n,且B∈R1×n,则有:
进一步地,在轨道列车***网络中,若网络中的某些节点性能 出现劣势(如性能要求不达标,故障等),则会引起与其相连接的 节点的性能逐步恶化或直接失效,最终导致轨道列车***连锁反 应,直至整个网络奔溃,***完全失效。根据轨道列车***故障传 播模型进行迭代判断,得到列车***故障传播路径,包括:
当***故障传播链路上的传播概率小于一定阈值时,初始 节点故障终止传播,停止迭代过程,得到所述的列车***故障传播 路径,其中,最初第一步***部件间的故障传播概率为P(1),当系 统故障传播至第k步时,有***部件间的故障传播概率P(2),…,P(k), 与其相应的***故障传播链路{1,2,…,k}。优选地,一定阈值 为10-8
实施例2
实施例2为通过基于故障势能场的列车***故障传播路径的生成 方法对某一型号轨道列车转向架***进行模拟仿真,该仿真过程包 括:
S01:提取该列车转向架***35个部件如表1所示,图2为本发明 实施例2提供的轨道列车转向架***复杂网络模型示意图,如图2所 示,分析部件间耦合作用关系进行***复杂网络建模。该列车转向 架***中存在着机械连接、电气连接以及信息连接等三种连接关 系,因此在转向架***网络G=(V,E,R)中,令
S02:构建轨道列车***部件间传播概率模型,将该列车转向架 ***的35个部件初始状态M0代入传播概率模型进行求解,得到相邻 节点之间的故障传播概率(***节点间第一步传播概率),并构建 ***关联矩阵I1
M0={0.259 0.023 0.0174 0.0088 … 0.0177 0.0157}
S03:构建轨道列车***故障传播模型。
S04:将初始状态M0以及***关联矩阵I1代入轨道列车***故障 传播模型进行迭代并进行传播终止条件的判断,得到模拟仿真的轨 道列车转向架***故障传播可能路径,如表2所示。
其中,故障节点传播路径表示的是此路径上的初始节点故障, 可能导致该路径上的其他节点相继故障。在表2所示的部分故障传播 分析仿真结果中,故障传播路径的长度大多是在4以内。其中,传播 路径v1→v5→v2与传播路径v19→v1→v6→v10的可能性最大。图3为 本发明实施例2提供的故障节点v1→v5→v2传播路径示意图,如图3 所示,在故障传播路径v1→v5→v2中,v1表示的是转向架构架,在 实际中,构架发生故障的可能性极低,因为一旦转向架构架发生故 障,则会对整个转向架***乃至整个列车运行造成极大的伤害。因 此,在列车***设计以及运营维护中,需要重点关注转向架构架的 可靠性。
图4为本发明实施例2提供的故障节点v19→v1→v6→v10传播路 径示意图,如图4所示,在故障传播路径v19→v1→v6→v10中,v19 表示的是空气弹簧,因其与转向架构架存在着机械连接关系,当其 发生故障,很有可能传播至转向架构架、弹簧总成最后至列车车轮,危害至整个列车的运行。因此,需要针对空气弹簧采取相关措 施,提高其可靠性。
表1
表2
综上所述,本发明实施例通的基于故障势能场的列车***故障 传播路径的生成方法从轨道列车***网络结构以及节点的本身状态 及故障势能场分析列车***故障传播过程,进而得到所有可能的传 播路径及其概率,得到的故障传播路径及其概率结果有助于现场运 营维护人员重点检测与监测***部件状态,更优质的进行运维工 作。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚 地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。 基于这样的理解,本发明的技术方案本质上或者说对现有技术做出 贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可 以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用 以使得一台计算机设备(可以是个人计算机,服务器,或者网络设 备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护 范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露 的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保 护范围之内。因此,本发明的保护范围应该以权利要求的保护范围 为准。

Claims (6)

1.基于故障势能场的列车***故障传播路径的生成方法,其特征在于,包括:
构建轨道列车***复杂网络模型;
根据病毒传播模型和故障势能场理论,构建轨道列车***部件间传播概率模型;
根据所述的轨道列车***部件间传播概率模型和所述的轨道列车***复杂网络模型,构建轨道列车***故障传播模型;
根据所述轨道列车***故障传播模型进行迭代判断,得到列车***故障传播路径。
2.根据权利要求1所述的方法,其特征在于,所述的构建轨道列车***复杂网络模型,包括:以部件为节点、以部件耦合关系为连接边,构建轨道列车***复杂网络模型如下式所示:
G=(V,E,R)
其中,该***由n个部件组成,n个部件之间存在m条连接边;
V={v1,v2,…,vn}表示轨道列车***的n个部件;
E={e12,…eij,…,ern}表示轨道列车***的m条连接边;
R={r12,…rij,…,rrn}表示轨道列车***中相邻部件之间的连接距离。
3.根据权利要求2所述的方法,其特征在于,所述的根据病毒传播模型和故障势能场理论,构建轨道列车***部件间传播概率模型,包括:
所述的病毒传播模型如下式所示:
其中,Pij为病毒从节点vi传播到节点vj的概率;
为病毒节点vi与其相邻的节点vj之间的平均传播速率;
λi为病毒节点vi的病程时间;
根据所述的故障势能场理论,在由两物体i和j构成的势能场中,物体i的势能Ei如下式所示:
物体l的速度根据如下能量守恒定律公式计算:
基于能量守恒定律,计算如下式所示:
基于所述故障势能场理论得到的复杂***故障传播概率如下式所示:
其中,mi,mj,ml分别为物体i、j、l的故障状态;ai为物体i传播运动的加速度;hi为物体i的传播位移;rij为物体i和j之间的距离,即部件之间的连接距离;为物体l在物体i处运动到物体i和物体j连线上的中点位置的速度;x为物体i和j之间的距离的一半,即 为物体i和j之间平均传播速度,G是模型常量参数;λi为部件i的平均修复时间。
4.根据权利要求3所述的方法,其特征在于,所述的根据所述的轨道列车***部件间传播概率模型和所述的轨道列车***复杂网络模型,构建轨道列车***故障传播模型,包括:
在轨道列车***网络模型G=(V,E,R)与***间部件故障传播概率模型Pij的基础上,依据分布扩散的原则,构建轨道列车***故障传播模型Sk如下式所示:
Sk=<V,E,R,Mk,Ik>
其中:
表示第k步故障传播后的***状态;
表示***的初始状态;
M(l)k表示k步故障传播后的第l条路径上节点的状态集合;
表示第k步故障传播的***关联矩阵;
符号的定义为:
若A∈Rm×n,且B∈R1×n,则有:
符号“·”的定义为:
若A∈Rm×n,且B∈R1×n,则有:
5.根据权利要求4所述的方法,其特征在于,所述的根据所述轨道列车***故障传播模型进行迭代判断,得到列车***故障传播路径,包括:
当***故障传播链路上的传播概率小于一定阈值时,初始节点故障终止传播,停止迭代过程,得到所述的列车***故障传播路径,其中,最初第一步***部件间的故障传播概率为P(1),当***故障传播至第k步时,有***部件间的故障传播概率P(2),…,P(k),与其相应的***故障传播链路{1,2,…,k}。
6.根据权利要求5所述的方法,其特征在于,所述的一定阈值为10-8
CN201811302460.4A 2018-11-02 2018-11-02 基于故障势能场的列车***故障传播路径的生成方法 Active CN109543248B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811302460.4A CN109543248B (zh) 2018-11-02 2018-11-02 基于故障势能场的列车***故障传播路径的生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811302460.4A CN109543248B (zh) 2018-11-02 2018-11-02 基于故障势能场的列车***故障传播路径的生成方法

Publications (2)

Publication Number Publication Date
CN109543248A true CN109543248A (zh) 2019-03-29
CN109543248B CN109543248B (zh) 2023-05-02

Family

ID=65846296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811302460.4A Active CN109543248B (zh) 2018-11-02 2018-11-02 基于故障势能场的列车***故障传播路径的生成方法

Country Status (1)

Country Link
CN (1) CN109543248B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110162893A (zh) * 2019-05-27 2019-08-23 电子科技大学 基于Petri网的舰载指挥***软硬件混合可靠性分析方法
CN110309550A (zh) * 2019-06-10 2019-10-08 北京交通大学 一种基于势能场与网络效率的高速列车***可靠性分析方法
CN111597634A (zh) * 2020-05-12 2020-08-28 中车青岛四方机车车辆股份有限公司 一种确定动车组性能参数的方法及装置
CN112766509A (zh) * 2021-01-18 2021-05-07 合肥工业大学 一种电子信息***故障传播路径分析方法
CN114312913A (zh) * 2022-01-12 2022-04-12 北京交通大学 轨道交通车载设备故障传播监测方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110295982A1 (en) * 2010-05-25 2011-12-01 Telcordia Technologies, Inc. Societal-scale graph-based interdiction for virus propagation slowdown in telecommunications networks
CN107682195A (zh) * 2017-10-13 2018-02-09 中北大学 基于复杂网络与大数据结合的通信网络鲁棒性评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110295982A1 (en) * 2010-05-25 2011-12-01 Telcordia Technologies, Inc. Societal-scale graph-based interdiction for virus propagation slowdown in telecommunications networks
CN107682195A (zh) * 2017-10-13 2018-02-09 中北大学 基于复杂网络与大数据结合的通信网络鲁棒性评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
秦勇 等: "高速列车***安全可靠性分析评估方法研究", 《机车电传动》 *
秦勇等: "基于直觉模糊集和VIKOR方法的高速列车运用安全可靠性评估", 《北京工业大学学报》 *
秦李等: "病毒传播下的因特网级联故障模型构建与仿真", 《计算机应用研究》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110162893A (zh) * 2019-05-27 2019-08-23 电子科技大学 基于Petri网的舰载指挥***软硬件混合可靠性分析方法
CN110309550A (zh) * 2019-06-10 2019-10-08 北京交通大学 一种基于势能场与网络效率的高速列车***可靠性分析方法
CN110309550B (zh) * 2019-06-10 2021-06-22 北京交通大学 一种基于势能场与网络效率的高速列车***可靠性分析方法
CN111597634A (zh) * 2020-05-12 2020-08-28 中车青岛四方机车车辆股份有限公司 一种确定动车组性能参数的方法及装置
CN111597634B (zh) * 2020-05-12 2023-10-10 中车青岛四方机车车辆股份有限公司 一种确定动车组性能参数的方法及装置
CN112766509A (zh) * 2021-01-18 2021-05-07 合肥工业大学 一种电子信息***故障传播路径分析方法
CN114312913A (zh) * 2022-01-12 2022-04-12 北京交通大学 轨道交通车载设备故障传播监测方法及***
CN114312913B (zh) * 2022-01-12 2023-02-28 北京交通大学 轨道交通车载设备故障传播监测方法及***

Also Published As

Publication number Publication date
CN109543248B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN109543248A (zh) 基于故障势能场的列车***故障传播路径的生成方法
Yin et al. Fault diagnosis network design for vehicle on-board equipments of high-speed railway: A deep learning approach
CN112202736B (zh) 基于统计学习和深度学习的通信网络异常分类方法
US9630637B2 (en) Complex network-based high speed train system safety evaluation method
CN110843870B (zh) 一种非正常事件下高铁路网图定能力保持方法
CN103077347B (zh) 一种基于改进核心向量机数据融合的复合式入侵检测方法
CN105676842B (zh) 一种高铁列控车载设备故障诊断方法
CN103293421A (zh) 一种电网故障诊断模型及其诊断方法
CN105978725A (zh) 一种基于传感器网络的非脆弱性分布式故障估计方法
CN110309550B (zh) 一种基于势能场与网络效率的高速列车***可靠性分析方法
CN107239908A (zh) 一种信息***的体系成熟度评价方法
CN105808366A (zh) 一种基于四变量模型的***安全分析方法
CN105512195B (zh) 一种产品fmeca报告分析决策辅助方法
CN106528970A (zh) 一种基于可能性时空混成自动机的cps建模与属性验证方法
Qian et al. Modeling and verification of zone controller: The SCADE experience in china's railway systems
Hu et al. Status detection from spatial-temporal data in pipeline network using data transformation convolutional neural network
Zhou et al. Fault classification for on-board equipment of high-speed railway based on attention capsule network
CN105426651A (zh) 基于复合故障链推理的隐患辨识方法
Chai et al. Long Short‐Term Memory‐Based Model Predictive Control for Virtual Coupling in Railways
Cao et al. Fault detection and classification in solar based distribution systems in the presence of deep learning and social spider method
Celebi et al. Verifying the accuracy of interlocking tables for railway signalling systems using abstract state machines
CN109544011A (zh) 基于内外协变量的高速列车***可靠性评估方法
Chen et al. Causative analysis of freight railway accident in specific scenes using a data-driven Bayesian network
CN109492689A (zh) 一种电动汽车故障诊断方法
Ma et al. Ensembles of fuzzy cognitive map classifiers based on quantum computation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant