CN112002179A - 一种基于异地分布的轨道交通多工种联动控制方法及系统 - Google Patents

一种基于异地分布的轨道交通多工种联动控制方法及系统 Download PDF

Info

Publication number
CN112002179A
CN112002179A CN202011167516.7A CN202011167516A CN112002179A CN 112002179 A CN112002179 A CN 112002179A CN 202011167516 A CN202011167516 A CN 202011167516A CN 112002179 A CN112002179 A CN 112002179A
Authority
CN
China
Prior art keywords
fuzzy
function
rule
membership
simulation system
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
CN202011167516.7A
Other languages
English (en)
Other versions
CN112002179B (zh
Inventor
黄成周
白淑芳
章磊
李跃宗
张家华
李姝欣
王坤
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.)
Chengdu Yunda Technology Co Ltd
Original Assignee
Chengdu Yunda Technology Co Ltd
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 Chengdu Yunda Technology Co Ltd filed Critical Chengdu Yunda Technology Co Ltd
Priority to CN202011167516.7A priority Critical patent/CN112002179B/zh
Publication of CN112002179A publication Critical patent/CN112002179A/zh
Application granted granted Critical
Publication of CN112002179B publication Critical patent/CN112002179B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种基于异地分布的轨道交通多工种联动控制方法及系统，通过构建用户需求功能库，以构建仿真系统功能库，并对仿真系统功能库逐级细分，然后根据最小细分结果建立模糊集，并定义最小细分隶属函数，对最小细分隶属函数进行回溯处理后确定仿真系统功能库中各个层级权重系数矩阵和模糊矩阵；最后将系统输入的参训人员操控数据集与预先构建的模糊控制规则集进行规则匹配、规则触发、规则可信度计算后得到模糊系统总输出，并对模糊系统总输出进行反模糊化处理得到联动控制结果，实现全系统全专业全工种标准、故障与非正常作业流程的优化重组以及应急预案演练的比选，方便铁路调度的多工种实战协作演练、应急预案演练方案的选择，降低成本。

Description

一种基于异地分布的轨道交通多工种联动控制方法及系统
技术领域
本发明涉及轨道交通控制技术领域，具体涉及一种基于异地分布的轨道交通多工种联动控制方法及系统。
背景技术
铁路运输已成为社会经济、日常生活中不可或缺的一部分，在推动经济发展、缓解交通压力方面作出了巨大贡献。截止2020年7月底，全国铁路营业里程达到14.14万公里，“十三五”期间我国铁路营业里程将增长至15万公里，其中高速铁路三万公里。
随着我国铁路的大规模建设并投入运营，铁路相关各工种的作业难度增加，对从业人员的工作水平和职能素养的要求不断提高，铁路作业人员的培训需求也不断增长。传统的“师傅带徒弟”的培训模式周期长、成本高、考核方式单一，培训效果受多种不确定因素的影响，而且由于现场设备投入运营，不能随时用于职工培训，职工缺乏现场实操训练的机会，导致培训效果不佳。另外，铁路系统的正常运转有赖于“车机工电辆”多个工种协调配合，但由于多工种协同作业培训涉及部门多、成本高，导致多个工种协同作业培训困难。
因此，传统培训模式对于单个工种的培训非常有限并且无法实现多个工种的联合培训，无法满足铁路职工日益增长的培训需求。
发明内容
本发明需要解决的技术问题是传统培训模式对于单个工种的培训非常有限并且无法实现多个工种的联合培训，无法满足铁路职工日益增长的培训需求。因此，本发明提供一种基于异地分布的轨道交通多工种联动控制方法及系统，实现全系统全专业全工种标准、故障与非正常作业流程全面系统深入的优化重组以及应急预案演练和比选，方便铁路调度的多工种实战协作演练、应急预案演练方案的选择，降低成本。
本发明通过下述技术方案实现：
为解决上述技术问题，本发明通过下述技术方案实现：
一种基于异地分布的轨道交通多工种联动控制方法，包括以下步骤：
S10：构建基于铁路系统全专业全工种的用户需求功能库FA；
S20：根据用户需求功能库FA和业务培训体系建立仿真系统功能库FB；
S30：将仿真系统功能库FB逐级细分，根据最小细分结果建立模糊集，并定义对应的最小细分隶属函数，以及对最小细分隶属函数进行回溯处理后确定仿真系统功能库FB中各个层级权重系数矩阵β和模糊矩阵λ；
S40：构建基于铁路系统全专业全工种的模糊控制规则集R；
S50：将系统输入的参训人员操控数据集O与模糊控制规则集R进行规则匹配、规则触发、规则可信度计算分析后得到模糊系统总输出，并对模糊系统总输出进行反模糊化处理后得到联动控制结果。
进一步地，所述用户需求功能库FA具体为：
Figure 226137DEST_PATH_IMAGE001
式中,所有参数均为需求功能下的参数；其中，
Figure 919287DEST_PATH_IMAGE002
表示正常情况下多工种的用户需求功能库；
Figure 715204DEST_PATH_IMAGE003
表示故障情况下多工种的用户需求功能库；
Figure 265134DEST_PATH_IMAGE004
表示非正常情况下多工种的用户需求功能库；
，
Figure 627032DEST_PATH_IMAGE006
，为模糊矩阵λ，表示调度、车站、列车、客运、随车机 械师相关功能需求集对应的正常、故障、非正常三种情况的隶属函数；
Figure 467129DEST_PATH_IMAGE008
为权重系数矩阵β，表示调度、车站、列车、客运、随车机械师相关功能需求集对应正常、故障、非正常三种情况的权重系数，即
Figure 304635DEST_PATH_IMAGE009
；
综合隶属度矩阵
Figure 870745DEST_PATH_IMAGE010
是模糊矩阵λ与权重系数矩阵β的直积，即
Figure 93785DEST_PATH_IMAGE011
；
样本矩阵
Figure 719938DEST_PATH_IMAGE012
代表不同工种相关的功能需求集；其中，
Figure 44740DEST_PATH_IMAGE013
代表调度相关功能需求集，
Figure 148963DEST_PATH_IMAGE014
代表车站相关功能需求集，
Figure 492088DEST_PATH_IMAGE015
代表列车相关功能需求集，
Figure 289143DEST_PATH_IMAGE016
代表客运相关功能需求集，
Figure 835662DEST_PATH_IMAGE017
代表随车机械师相关功能需求集。
进一步地，所述仿真系统功能库FB具体为：
Figure 9154DEST_PATH_IMAGE018
式中，所有参数均为仿真系统下的参数；其中，
Figure 206786DEST_PATH_IMAGE019
表示正常情况下单工种的仿真系统功能库，
Figure 174742DEST_PATH_IMAGE020
表示故障情况下单工种仿真系统功能库，
Figure 208557DEST_PATH_IMAGE021
表示非正常情况下单工种仿真系统功能库；
，
Figure 785349DEST_PATH_IMAGE006
，为模糊矩阵λ，表示调度、车站、列车、客运、随车机械 师相关功能需求集的子集对于正常、故障、非正常三种情况的隶属函数；
Figure 491323DEST_PATH_IMAGE024
为权重系数矩阵β，表示对应单工种相关功能需求集的子集在正常、故障、非正常三种情况下的权重系数，即
Figure 881984DEST_PATH_IMAGE025
；
综合隶属度矩阵
Figure 867258DEST_PATH_IMAGE026
是模糊矩阵λ与权重系数矩阵β的直积，即
Figure 363967DEST_PATH_IMAGE011
；
样本矩阵
Figure 434691DEST_PATH_IMAGE027
代表一工种相关功能需求集的子集；其中，
Figure 425781DEST_PATH_IMAGE028
对应调度、车站、列车、客运、随车机械师相关功能需求集的子集，
Figure 265561DEST_PATH_IMAGE029
由具体功能需求集的子集数确定。
进一步地，所述仿真系统功能库FB逐级细分具体为：
将所述仿真系统功能库FB逐级细分，对最小细分
Figure 933172DEST_PATH_IMAGE030
建立正常模糊集NS、故障模糊集FS和非正常模糊集NN，其中，i为正整数，i=1，2，3，…，n，m表示第m个层级；
定义所述正常模糊集NS对应的隶属函数作为正常隶属函数
Figure 225613DEST_PATH_IMAGE031
，定义所述故障模糊集FS对应的隶属函数作为故障隶属函数
Figure 817131DEST_PATH_IMAGE032
，定义所述非正常模糊集NN对应的隶属函数作为非正常隶属函数
Figure 817143DEST_PATH_IMAGE033
。
进一步地，所述权重系数矩阵β和模糊矩阵λ确定具体为：
通过层次分析法确定最小细分对应的权重系数，最小细分的权重系数为最小细分上一层级的权重系数矩阵β；
通过回溯公式确定最小细分的上一层级的模糊矩阵λ的各元素，并不断进行回溯直至计算出第一层级的模糊矩阵λ。
进一步地，所述层次分析法具体为：
建立层次结构模型，所述层次结构模型包括目标层、准则层和方案层；
基于所述目标层，将所述准则层中各准则元素的比较结果作为成对比较元素构建成对比较矩阵；
计算所述成对比较矩阵的单排序向量并进行一致性校验，计算所述成对比较矩阵的总排序向量并进行一致性校验，确定对所述仿真系统功能库中各个层级的系数矩阵。
进一步地，所述回溯公式具体为：
Figure 609649DEST_PATH_IMAGE034
Figure 654966DEST_PATH_IMAGE035
Figure 33863DEST_PATH_IMAGE036
式中，
Figure 582656DEST_PATH_IMAGE031
表示第m个层级中第i个最小细分集合对应的正常隶属函数，
Figure 811643DEST_PATH_IMAGE032
表示第m个层级中第i个最小细分集合对应的故障隶属函数，
Figure 78677DEST_PATH_IMAGE033
表示第m个层级中第i个最小细分集合对应的非正常隶属函数，
Figure 198948DEST_PATH_IMAGE037
表示第m-1个层级中第i个最小细分集合对应的权重系数。
进一步地，所述模糊控制规则集R具体为：
通过获取调度员、车站值班员、电务人员、公务人员、机务人员、司机的经验信息构建系统知识库，并进行形式改写后建立模糊控制规则集R，并通过多次使用试误法修正系统的模糊控制规则集以实现不断优化多工种作业流程。
进一步地，所述模糊系统总输出计算具体为：
将参训人员操控数据集O的元素
Figure 867827DEST_PATH_IMAGE038
代入对应的隶属函数中，计算隶属度
Figure 126770DEST_PATH_IMAGE039
；
根据所述隶属度确定匹配的模糊规则
Figure 349941DEST_PATH_IMAGE040
；
对所述匹配的模糊规则
Figure 352532DEST_PATH_IMAGE040
进行规则前提推理得到规则前提的可信度，并生成规则前提可信度表；
将规则前提可信度表与模糊推理结果表做与运算得到
Figure 266130DEST_PATH_IMAGE040
的模糊系统总输出。
一种基于异地分布的轨道交通多工种联动控制系统，包括：
用户需求功能库构建模块，用于构建基于铁路系统全专业全工种的用户需求功能库FA；
仿真系统功能库构建模块，用于根据用户需求功能库FA和业务培训体系建立仿真系统功能库FB；
仿真系统功能库处理模块，用于将仿真系统功能库FB逐级细分，根据最小细分结果建立模糊集，并定义对应的最小细分隶属函数，以及对最小细分隶属函数进行回溯处理后确定仿真系统功能库FB中各个层级权重系数矩阵β和模糊矩阵λ；
模糊控制规则集构建模块，用于构建基于铁路系统全专业全工种的模糊控制规则集R；
联动控制结果获取模块，用于将系统输入的参训人员操控数据集O与模糊控制规则集R进行规则匹配、规则触发、规则可信度计算分析后得到模糊系统总输出，并对模糊系统总输出进行反模糊化处理后得到联动控制结果。
本发明提供的一种基于异地分布的轨道交通多工种联动控制方法及系统，通过构建用户需求功能库FA，并基于用户需求功能库FA和业务培训体系构建仿真系统功能库FB，然后对仿真系统功能库按照层级逐级细分，根据最小细分结果建立模糊集，并定义对应的最小细分隶属函数，以及对最小细分隶属函数进行回溯处理后确定仿真系统功能库FB中各个层级权重系数矩阵β和模糊矩阵λ；再通过构建基于铁路系统全专业全工种的模糊控制规则集R，然后将系统输入的参训人员操控数据集O与模糊控制规则集R进行规则匹配、规则触发、规则可信度计算分析后得到模糊系统总输出，并对模糊系统总输出进行反模糊化处理后得到联动控制结果，以实现全系统全专业全工种标准、故障与非正常作业流程全面系统深入的优化重组以及应急预案演练和比选，方便铁路调度的多工种实战协作演练、应急预案演练方案的选择，降低成本。
附图说明
图1为本发明一种基于异地分布的轨道交通多工种联动控制方法的流程图。
图2为图1中步骤S30的一具体流程图。
图3为图1中步骤S30的另一具体流程图。
图4为图1中步骤S50的另一具体流程图。
图5是本发明一种基于异地分布的轨道交通多工种联动控制系统的原理框图。
图6是本发明一具体实施例的结构示意图。
图7是本发明一具体实施例的原理图。
图8是本发明一具体实施例的原理图。
图9是本发明一具体实施例的原理图。
图10是本发明一具体实施例的原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
如图1所示，本发明提供一种基于异地分布的轨道交通多工种联动控制方法，具体包括如下步骤：
S10：构建基于铁路系统全专业全工种的用户需求功能库FA。
具体地，本实施例构建的用户需求功能库FA具体为，
Figure 430395DEST_PATH_IMAGE001
式中,所有参数均为需求功能下的参数。其中，
Figure 406442DEST_PATH_IMAGE002
表示正常情况下多工种的用户需求功能库。
Figure 947145DEST_PATH_IMAGE003
表示故障情况下多工种的用户需求功能库。
Figure 325036DEST_PATH_IMAGE004
表示非正常情况下多工种的用户需求功能库。
，
Figure 576075DEST_PATH_IMAGE006
，为模糊矩阵λ，表示调度、车站、列车、客运、随车 机械师相关功能需求集对应的正常、故障、非正常三种情况的隶属函数。
Figure 559391DEST_PATH_IMAGE008
为权重系数矩阵β，表示调度、车站、列车、客运、随车机械师相关功能需求集对应正常、故障、非正常三种情况的权重系数，即
Figure 49147DEST_PATH_IMAGE009
。
综合隶属度矩阵
Figure 265365DEST_PATH_IMAGE043
是模糊矩阵λ与权重系数矩阵β的直积，即
Figure 288816DEST_PATH_IMAGE044
；
样本矩阵
Figure 641300DEST_PATH_IMAGE045
代表不同工种相关的功能需求集；其中，
Figure 301957DEST_PATH_IMAGE046
代表调度相关功能需求集，
Figure 739892DEST_PATH_IMAGE014
代表车站相关功能需求集，
Figure 363771DEST_PATH_IMAGE015
代表列车相关功能需求集，
Figure 570762DEST_PATH_IMAGE016
代表客运相关功能需求集，
Figure 80284DEST_PATH_IMAGE017
代表随车机械师相关功能需求集。
S20：根据用户需求功能库FA和业务培训体系建立仿真系统功能库FB。
其中，仿真系统功能库FB指根据现场实际培训的用户需求与业务培训体系对其功能进行仿真与场景还原的数据库，包括但不限于调度相关功能需求集、车站相关功能需求集和列车相关功能需求集。其中，（1）调度相关功能需求集包含行调、助调、大屏、调监等功能需求子集，用于实现对全线列车状态监控、应急场景处理等。（2）车站相关功能需求集包含车务终端、防灾系统、联锁系统、行车日志、运统46等功能需求子集，用于实现列车运行监控、站场信息监视、异常情况处理、人机界面交互等。（3）列车相关功能需求集包含牵引系统、制动系统、ATP系统、空调系统等功能需求子集，用于实现列车运行控制等。
具体地，本实施例构建的仿真系统功能库为
Figure 5514DEST_PATH_IMAGE047
，
Figure 964243DEST_PATH_IMAGE018
式中，所有参数均为仿真系统下的参数。其中，
Figure 478270DEST_PATH_IMAGE019
表示正常情况下单工种的仿真系统功能库，
Figure 700304DEST_PATH_IMAGE020
表示故障情况下单工种仿真系统功能库，
Figure 847251DEST_PATH_IMAGE021
表示非正常情况下单工种仿真系统功能库。
，
Figure 243783DEST_PATH_IMAGE006
，为模糊矩阵λ，表示调度、车站、列车、客运、随 车机械师相关功能需求集的子集对于正常、故障、非正常三种情况的隶属函数。
Figure 739804DEST_PATH_IMAGE024
为权重系数矩阵β，表示对应单工种相关功能需求集的子集在正常、故障、非正常三种情况下的权重系数，即
Figure 305914DEST_PATH_IMAGE025
。
综合隶属度矩阵
Figure 325692DEST_PATH_IMAGE049
是模糊矩阵λ与权重系数矩阵β的直积，即
Figure 951845DEST_PATH_IMAGE044
；
Figure 214330DEST_PATH_IMAGE050
Figure 302241DEST_PATH_IMAGE051
对应调度、车站、列车、客运、随车机械师相关功能需求集的子集，
Figure 927257DEST_PATH_IMAGE029
由具体功能需求集的子集数确定。
上述
Figure 989891DEST_PATH_IMAGE047
可以表示为：
Figure 270831DEST_PATH_IMAGE052
，则
Figure 896853DEST_PATH_IMAGE053
与
Figure 376376DEST_PATH_IMAGE047
具有以下关系：
Figure 813174DEST_PATH_IMAGE054
。
S30：将仿真系统功能库FB逐级细分，根据最小细分结果建立模糊集，并定义对应的最小细分隶属函数，以及对最小细分隶属函数进行回溯处理后确定仿真系统功能库FB中各个层级权重系数矩阵β和模糊矩阵λ。
第一步，确定仿真培训系统功能库最小细分的隶属函数。
具体过程如图2所示：
S311：将仿真系统功能库FB单工种相关功能需求集的子集不断细分直至最小，对最小细分
Figure 378147DEST_PATH_IMAGE030
（i为正整数，i=1，2，3，…，n），m表示第m个层级，建立正常模糊集NS、故障模糊集FS和非正常模糊集NN。
S312：定义正常模糊集NS对应的隶属函数作为正常隶属函数
Figure 355331DEST_PATH_IMAGE031
，定义故障模糊集FS对应的隶属函数作为故障隶属函数
Figure 204207DEST_PATH_IMAGE032
，定义非正常模糊集NN对应的隶属函数作为非正常隶属函数
Figure 811906DEST_PATH_IMAGE033
。
第二步，确定仿真培训系统功能库不同层级的系数矩阵β：通过层次分析法确定最小细分对应的权重系数，最小细分的权重系数为最小细分上一层级的权重系数矩阵β。
具体过程如图3所示：
S321：建立层次结构模型，层次结构模型包括目标层、准则层和方案层。
具体地，本实施例的目标层包括确定系统状态Z，准则层包括安全A1、效率A2、乘客满意度A3、社会影响A4和经济性A5，方案层包括
Figure 598596DEST_PATH_IMAGE055
。其中，目标层的确定系统状态Z对应准则层中的每一元素，即安全A1、效率A2、乘客满意度A3、社会影响A4和经济性A5，准则层的每一元素对应方案层中的所有元素，即安全A1对应
Figure 317153DEST_PATH_IMAGE055
，效率A2对应
Figure 20536DEST_PATH_IMAGE055
，乘客满意度A3对应
Figure 799136DEST_PATH_IMAGE055
，社会影响A4对应
Figure 73123DEST_PATH_IMAGE055
，经济性A5对应
Figure 595371DEST_PATH_IMAGE055
，其对应关系图如图6所示。
S322：基于目标层，将准则层中各准则元素的比较结果作为成对比较元素构建成对比较矩阵。
具体地，在得到目标层、准则层和方案层的数据后，将准则层中各准则元素的比较结果作为成对比较元素构建成对比较矩阵，成对比较矩阵的元素
Figure 700730DEST_PATH_IMAGE056
指第i个因素相对于第j个因素的比较结果，其中，（i，j∈{1,2,3,4,5}）。
当准则层包括安全A1、效率A2、乘客满意度A3、社会影响A4和经济性A5时，其形成的成对比较矩阵如表1所示：
Figure 917077DEST_PATH_IMAGE057
表1
进一步地，
Figure 943939DEST_PATH_IMAGE058
的值使用Santy的1-9标度方法给出。
S323：计算成对比较矩阵的单排序向量并进行一致性校验，计算成对比较矩阵的总排序向量并进行一致性校验，确定对仿真系统功能库中各个层级的系数矩阵β。
第三步，确定仿真培训系统功能库不同层级的模糊矩阵λ：通过回溯公式确定最小细分的上一层级的模糊矩阵λ的各元素，并不断进行回溯直至计算出第一层级的模糊矩阵λ。
回溯公式具体为：
Figure 4299DEST_PATH_IMAGE034
Figure 167427DEST_PATH_IMAGE035
Figure 537098DEST_PATH_IMAGE036
式中，
Figure 785676DEST_PATH_IMAGE031
表示第m个层级中第i个最小细分集合对应的正常隶属函数，
Figure 915306DEST_PATH_IMAGE032
表示第m个层级中第i个最小细分集合对应的故障隶属函数，
Figure 198520DEST_PATH_IMAGE033
表示第m个层级中第i个最小细分集合对应的非正常隶属函数，
Figure 739092DEST_PATH_IMAGE037
表示第m-1个层级中第i个最小细分集合对应的权重系数，该权重系数可通过上述系数系数矩阵β计算得到。
S40：构建基于铁路系统全专业全工种的模糊控制规则集R。
具体地，通过获取调度员、车站值班员、电务人员、公务人员、机务人员、司机的经验信息构建系统知识库，并将其改写为if…then的形式，建立模糊控制规则集R，然后通过多次使用试误法修正系统的模糊控制规则集以实现不断优化多工种作业流程。
本实施例中的模糊规则形式如下：
R：如果x是A则z 是D
其中，A和D为仿真系统功能库不同层级
Figure 412650DEST_PATH_IMAGE059
（i为正整数，i=1，2，3，…，n，j为正整数，j=1，2，3，…，m）模糊集合定义的语言值。复杂场景包含的模糊前提通常不唯一，模糊规则表现为以下更为复杂的形式：
Figure 329659DEST_PATH_IMAGE060
：如果x是A且y是B 且…，则z是D。
S50：将系统输入的参训人员操控数据集O与模糊控制规则集R进行规则匹配、规则触发、规则可信度计算分析后得到模糊系统总输出，并对模糊系统总输出进行反模糊化处理后得到联动控制结果。
具体地，如图4所示，模糊系统总输出计算具体为：
S51：将参训人员操控数据集O的元素
Figure 467379DEST_PATH_IMAGE061
、
Figure 929585DEST_PATH_IMAGE062
…代入对应的隶属函数中，计算隶属度
Figure 152756DEST_PATH_IMAGE039
。
S52：根据隶属度确定匹配的模糊规则
Figure 873456DEST_PATH_IMAGE063
。
Figure 600103DEST_PATH_IMAGE064
如果x是NS且y是NS且…则z是
Figure 279215DEST_PATH_IMAGE065
;
Figure 989682DEST_PATH_IMAGE066
如果x是NS且y是FS且…则z是
Figure 999227DEST_PATH_IMAGE067
;
……
Figure 95227DEST_PATH_IMAGE068
如果x 是NN且y 是NN且…，则z是
Figure 164815DEST_PATH_IMAGE069
。
S53：对匹配的模糊规则
Figure 96999DEST_PATH_IMAGE063
进行规则前提推理得到规则前提的可信度，并生成规则前提可信度表。
具体地，对匹配的模糊规则中的同一条规则内的前提之间通过与运算得到规则结论，然后，则在前提之间通过取小运算得到每一条匹配的模糊规则的规则总前提可信度，并生成规则前提可信度表。
S54：将规则前提可信度表与模糊推理结果表做与运算得到
Figure 910234DEST_PATH_IMAGE063
的模糊系统总输出。
具体地，在得到模糊系统总输出后，对模糊系统总输出进行反模糊化计算，得到反模糊计算结果，并通过最大平均法对反模糊计算结果进行计算，得到联动控制结果。本实施例中的联动控制结果包括但不限于相关作业演练流程集、考核评价规则集和分析报表，以实现全系统全专业全工种标准、故障与非正常作业流程全面系统深入的优化重组以及应急预案演练和比选，方便铁路调度的多工种实战协作演练、应急预案演练方案的选择，降低成本。
为便于理解，以风雨天气下的多工种联动和道岔失去表示时的多工种联动为例进行说明：
1）风雨天气下的多工种联动
将仿真系统功能库
Figure 460076DEST_PATH_IMAGE047
细分至车站相关功能需求中的防灾系统功能需求子集，其计算方式为
Figure 887515DEST_PATH_IMAGE070
其中，
Figure 306995DEST_PATH_IMAGE071
指防灾系统正常情况下仿真系统功能库，
Figure 861604DEST_PATH_IMAGE072
指防灾系统故障情况下仿真系统功能库，
Figure 197776DEST_PATH_IMAGE073
指防灾系统非正常情况下仿真系统功能库。
Figure 343587DEST_PATH_IMAGE023
为模糊矩阵λ，表示防灾系统对于正常、故障、非正常三种情况的隶属函数。
Figure 250363DEST_PATH_IMAGE074
对应风速、雨量、异物侵限监测功能的权重系数。
Figure 202139DEST_PATH_IMAGE075
对应风速、雨量、异物侵限监测功能需求集。
对雨量建立雨量小（SR：Small Rain)、雨量中（MR：Moderate Rain）和雨量大（HR：Heavy Rain）三个模糊集并定义三个模糊集的隶属函数
Figure 579768DEST_PATH_IMAGE076
、
Figure 896480DEST_PATH_IMAGE077
、
Figure 8661DEST_PATH_IMAGE078
。
Figure 905073DEST_PATH_IMAGE079
采用三角型隶属函数实现雨量的模糊化，如图7所示。
对风速建立FG（一级)、SG（二级）和TG（三级）三个模糊集并定义三个模糊集的隶属函数
Figure 803454DEST_PATH_IMAGE080
、
Figure 291067DEST_PATH_IMAGE081
、
Figure 906856DEST_PATH_IMAGE082
。
Figure 403696DEST_PATH_IMAGE083
采用三角型隶属函数实现风速的模糊化，如图8所示。
对列车运行速度建立非常慢速（VS:Very Slow)、慢速（S:Slow）、中等速度（M:medium ）、快速（F:Fast）、非常快速（VF:Very Fast)五个模糊集并定义其中三个模糊集的隶属函数
Figure 303388DEST_PATH_IMAGE080
、
Figure 24219DEST_PATH_IMAGE081
、
Figure 127305DEST_PATH_IMAGE082
。
Figure 162257DEST_PATH_IMAGE084
采用三角型隶属函数实现风速的模糊化，如图9所示。
本实施例中的模糊控制规则为：“雨量越大，风速越快，列车运行速度越慢”。“雨量适中，风速适中，列车运行速度适中”。“雨量越小，风速越低，列车运行速度越快”。
根据上述模糊控制规则设计标准，建立模糊控制规则集如表2所示：
Figure 667187DEST_PATH_IMAGE085
表2
某一时刻系统的信息输入接口实时监测输入信息雨量
Figure 11450DEST_PATH_IMAGE086
、
Figure 601831DEST_PATH_IMAGE062
=27，带入所属隶属函数求隶属度：
Figure 237212DEST_PATH_IMAGE087
得到相匹配的模糊规则，如表3所示：
Figure 862228DEST_PATH_IMAGE088
表3
由表3可知，匹配的模糊规则有
Figure 862545DEST_PATH_IMAGE064
如果x为SR且y为SG，则z为
Figure 189490DEST_PATH_IMAGE089
;
Figure 566245DEST_PATH_IMAGE066
如果x为 SR且y为TG，则z为
Figure 842506DEST_PATH_IMAGE090
;
Figure 279303DEST_PATH_IMAGE091
如果x为MR且y为SG，则z为
Figure 578698DEST_PATH_IMAGE090
;
Figure 8411DEST_PATH_IMAGE092
如果x为MR 且y为TG，则z为
Figure 342440DEST_PATH_IMAGE093
;
计算R1、R2、R3、R4的规则前提可信度，其中
R1前提的可信度为：min (1/6,3/5) =1/6;
R2前提的可信度为：min (1/6,2/5) =1/6;
R3前提的可信度为：min (5/6,3/5) =3/5;
R4前提的可信度为：min (5/6,2/5) =2/5;
得到规则前提可信度表，如表4所示：
Figure 746877DEST_PATH_IMAGE094
表4
进而计算规则总可信度，如表5所示：
Figure 799146DEST_PATH_IMAGE095
表5
模糊系统总输出为：
Figure 783283DEST_PATH_IMAGE096
将μ=3/5带入运行时间隶属函数中的
Figure 955507DEST_PATH_IMAGE097
，
Figure 734107DEST_PATH_IMAGE098
得： z1=64 ， z2=96
采用最大平均法，联动控制结果为：
Figure 70411DEST_PATH_IMAGE099
当防灾系统监测到雨量和风速信息，通过上述步骤计算得到联动控制结果为列车速度，以实现对列车运行速度的控制，实现了多工种联合多工种联动控制列车运行，提高了列车运行的安全性且无需人工参与，降低成本。
2） 道岔失去表示时的多工种联动
将仿真系统功能库
Figure 592659DEST_PATH_IMAGE047
细分至车站相关功能需求中的联锁系统功能需求子集，其计算方式为
Figure 901280DEST_PATH_IMAGE070
其中，
Figure 834470DEST_PATH_IMAGE071
指联锁系统正常情况下仿真系统功能库，
Figure 861332DEST_PATH_IMAGE072
指联锁系统故障情况下仿真系统功能库，
Figure 921692DEST_PATH_IMAGE073
指联锁系统非正常情况下仿真系统功能库。
Figure 881558DEST_PATH_IMAGE023
为模糊矩阵λ，表示联锁系统对于正常、故障、非正常三种情况的隶属函数。
Figure 267540DEST_PATH_IMAGE074
对应道岔、信号机、轨道电路功能的权重系数。
Figure 771245DEST_PATH_IMAGE075
对应道岔、信号机、轨道电路功能需求集。
对道岔建立正常（NS：Normal State)、故障（FS：Failure State）、非正常（NN：Non-normal State）三个模糊集并定义三个模糊集的隶属函数
Figure 635296DEST_PATH_IMAGE100
、
Figure 964515DEST_PATH_IMAGE101
、
Figure 724661DEST_PATH_IMAGE102
。
某一时刻系统的信息输入接口实时监测输入信息道岔失表为真
Figure 178645DEST_PATH_IMAGE103
，则隶属度
Figure 111966DEST_PATH_IMAGE104
。
匹配的模糊规则有：
行调：
Figure 718527DEST_PATH_IMAGE064
若道岔失表则封锁故障道岔。
Figure 102104DEST_PATH_IMAGE066
若道岔失表则通知相邻车站停止向故障车站发车。
Figure 590854DEST_PATH_IMAGE091
若道岔失表则通知发生故障车站的电务、工务上线处理。
Figure 327866DEST_PATH_IMAGE092
若故障车站申请上线处理且该站不进行接发车作业则同意上线处理。
Figure 975885DEST_PATH_IMAGE105
若故障处理完成且人员机具已下线则道岔解封。
Figure 405730DEST_PATH_IMAGE106
若故障恢复且道岔解封则通知车站恢复正常行车。
车站值班员：
Figure 647355DEST_PATH_IMAGE107
若调度通知上线处理则通知工务、电务准备上线处理。
Figure 109429DEST_PATH_IMAGE108
若工务、电务报告上线条件具备则向调度申请上线处理。
Figure 752900DEST_PATH_IMAGE109
若调度同意上线处理则通知工务、电务上线处理。
Figure 478280DEST_PATH_IMAGE110
若故障处理完成则通知工务、电务下线。
Figure 207201DEST_PATH_IMAGE111
若工务、电务报告人员机具已下线则报告调度人员机具已下线。
电务：
Figure 20437DEST_PATH_IMAGE112
若值班员通知上线处理则准备上线。
Figure 456097DEST_PATH_IMAGE113
若上线条件已具备则向值班员报告可以上线。
Figure 227744DEST_PATH_IMAGE114
若值班员同意上线则上线处理。
Figure 382911DEST_PATH_IMAGE115
若值班员通知下线则下线。
Figure 265417DEST_PATH_IMAGE116
若人员机具已下线则向值班员报告人员机具已下线。
工务：
Figure 617901DEST_PATH_IMAGE117
若值班员通知上线处理则准备上线。
Figure 498132DEST_PATH_IMAGE118
若上线条件已具备则向值班员报告可以上线。
Figure 936066DEST_PATH_IMAGE119
若值班员同意上线则上线处理。
若值班员通知下线则下线。
Figure 746897DEST_PATH_IMAGE120
若人员机具已下线则向值班员报告人员机具已下线。
上述匹配的模糊规则执行时序如图10所示。
当联锁系统道岔出现失表故障，中心行调通知邻站停止向发生故障的车站发车并通知故障车站电务、工务上线处理，处理完成后解封道岔并通知相关车站恢复正常行车。车站值班员得到通知后安排电务、工务上线处理，处理完成后安排人员下线并通知行调。电务、工务协调配合现场处理故障，完成后向值班员报告。
实施例2
如图5所示，本实施例与实施例1的区别在于，提供一种基于异地分布的轨道交通多工种联动控制系统，包括：
用户需求功能库构建模块10，用于构建基于铁路系统全专业全工种的用户需求功能库FA。
仿真系统功能库构建模块20，用于根据用户需求功能库FA和业务培训体系建立仿真系统功能库FB。
仿真系统功能库处理模块30，用于将仿真系统功能库FB逐级细分，根据最小细分结果建立模糊集，并定义对应的最小细分隶属函数，以及对最小细分隶属函数进行回溯处理后确定仿真系统功能库FB中各个层级权重系数矩阵β和模糊矩阵λ。
模糊控制规则集构建模块40，用于构建基于铁路系统全专业全工种的模糊控制规则集R。
联动控制结果获取模块50，用于将系统输入的参训人员操控数据集O与模糊控制规则集R进行规则匹配、规则触发、规则可信度计算分析后得到模糊系统总输出，并对模糊系统总输出进行反模糊化处理后得到联动控制结果。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于异地分布的轨道交通多工种联动控制方法，其特征在于，包括以下步骤：
S10：构建基于铁路系统全专业全工种的用户需求功能库FA；
S20：根据用户需求功能库FA和业务培训体系建立仿真系统功能库FB；
S30：将仿真系统功能库FB逐级细分，根据最小细分结果建立模糊集，并定义对应的最小细分隶属函数，以及对最小细分隶属函数进行回溯处理后确定仿真系统功能库FB中各个层级权重系数矩阵β和模糊矩阵λ；
S40：构建基于铁路系统全专业全工种的模糊控制规则集R；
S50：将系统输入的参训人员操控数据集O与模糊控制规则集R进行规则匹配、规则触发、规则可信度计算分析后得到模糊系统总输出，并对模糊系统总输出进行反模糊化处理后得到联动控制结果。
2.根据权利要求1所述的一种基于异地分布的轨道交通多工种联动控制方法，其特征在于，所述用户需求功能库FA具体为：
Figure 569896DEST_PATH_IMAGE001
式中,所有参数均为需求功能下的参数；其中，
Figure 580577DEST_PATH_IMAGE002
表示正常情况下多工种的用户需求功能库；
Figure 751795DEST_PATH_IMAGE003
表示故障情况下多工种的用户需求功能库；
Figure 769299DEST_PATH_IMAGE004
表示非正常情况下多工种的用户需求功能库；
，
Figure 346091DEST_PATH_IMAGE006
，为模糊矩阵λ，表示调度、车站、列车、客运、随车机械 师相关功能需求集对应的正常、故障、非正常三种情况的隶属函数；为权重系 数矩阵β，表示调度、车站、列车、客运、随车机械师相关功能需求集对应正常、故障、非正常 三种情况的权重系数，即；
综合隶属度矩阵
Figure 162420DEST_PATH_IMAGE010
是模糊矩阵λ与权重系数矩阵β的直积，即
Figure 941020DEST_PATH_IMAGE011
；
样本矩阵
Figure 464274DEST_PATH_IMAGE012
代表不同工种相关的功能需求集；其中，
Figure 986522DEST_PATH_IMAGE013
代表调度相关功能需求集，
Figure 295144DEST_PATH_IMAGE014
代表车站相关功能需求集，
Figure 41383DEST_PATH_IMAGE015
代表列车相关功能需求集，
Figure 802666DEST_PATH_IMAGE016
代表客运相关功能需求集，
Figure 112293DEST_PATH_IMAGE017
代表随车机械师相关功能需求集。
3.根据权利要求1所述的一种基于异地分布的轨道交通多工种联动控制方法，其特征在于，所述仿真系统功能库FB具体为：
Figure 275421DEST_PATH_IMAGE018
式中，所有参数均为仿真系统下的参数；其中，
Figure 395824DEST_PATH_IMAGE019
表示正常情况下单工种的仿真系统功能库，
Figure 706720DEST_PATH_IMAGE020
表示故障情况下单工种仿真系统功能库，
Figure 570771DEST_PATH_IMAGE021
表示非正常情况下单工种仿真系统功能库；
，
Figure 128977DEST_PATH_IMAGE006
，为模糊矩阵λ，表示调度、车站、列车、客运、随车机械 师相关功能需求集的子集对于正常、故障、非正常三种情况的隶属函数；
Figure 329331DEST_PATH_IMAGE024
为权重系数矩阵β，表示对应单工种相关功能需求集的子集在正常、故障、非正常三种情况下的权重系数，即
Figure 201472DEST_PATH_IMAGE025
；
综合隶属度矩阵
Figure 196102DEST_PATH_IMAGE026
是模糊矩阵λ与权重系数矩阵β的直积，即
Figure 153694DEST_PATH_IMAGE011
；
样本矩阵
Figure 359547DEST_PATH_IMAGE027
代表一工种相关功能需求集的子集；其中，
Figure 351774DEST_PATH_IMAGE028
对应调度、车站、列车、客运、随车机械师相关功能需求集的子集，
Figure 47198DEST_PATH_IMAGE029
由具体功能需求集的子集数确定。
4.根据权利要求1所述的一种基于异地分布的轨道交通多工种联动控制方法，其特征在于，所述仿真系统功能库FB逐级细分具体为：
将所述仿真系统功能库FB逐级细分，对最小细分
Figure 741353DEST_PATH_IMAGE030
建立正常模糊集NS、故障模糊集FS和非正常模糊集NN，其中，i为正整数，i=1，2，3，…，n，m表示第m个层级；
定义所述正常模糊集NS对应的隶属函数作为正常隶属函数
Figure 485318DEST_PATH_IMAGE031
，定义所述故障模糊集FS对应的隶属函数作为故障隶属函数
Figure 597631DEST_PATH_IMAGE032
，定义所述非正常模糊集NN对应的隶属函数作为非正常隶属函数
Figure 401639DEST_PATH_IMAGE033
。
5.根据权利要求1所述的一种基于异地分布的轨道交通多工种联动控制方法，其特征在于，所述权重系数矩阵β和模糊矩阵λ确定具体为：
通过层次分析法确定最小细分对应的权重系数，最小细分的权重系数为最小细分上一层级的权重系数矩阵β；
通过回溯公式确定最小细分的上一层级的模糊矩阵λ的各元素，并不断进行回溯直至计算出第一层级的模糊矩阵λ。
6.根据权利要求5所述的一种基于异地分布的轨道交通多工种联动控制方法，其特征在于，所述层次分析法具体为：
建立层次结构模型，所述层次结构模型包括目标层、准则层和方案层；
基于所述目标层，将所述准则层中各准则元素的比较结果作为成对比较元素构建成对比较矩阵；
计算所述成对比较矩阵的单排序向量并进行一致性校验，计算所述成对比较矩阵的总排序向量并进行一致性校验，确定对所述仿真系统功能库中各个层级的系数矩阵。
7.根据权利要求5所述的一种基于异地分布的轨道交通多工种联动控制方法，其特征在于，所述回溯公式具体为：
Figure 848669DEST_PATH_IMAGE034
Figure 193063DEST_PATH_IMAGE035
Figure 159882DEST_PATH_IMAGE036
式中，
Figure 869212DEST_PATH_IMAGE031
表示第m个层级中第i个最小细分集合对应的正常隶属函数，
Figure 554271DEST_PATH_IMAGE032
表示第m个层级中第i个最小细分集合对应的故障隶属函数，
Figure 154886DEST_PATH_IMAGE033
表示第m个层级中第i个最小细分集合对应的非正常隶属函数，
Figure 772949DEST_PATH_IMAGE037
表示第m-1个层级中第i个最小细分集合对应的权重系数。
8.根据权利要求1所述的一种基于异地分布的轨道交通多工种联动控制方法，其特征在于，所述模糊控制规则集R具体为：
通过获取调度员、车站值班员、电务人员、公务人员、机务人员、司机的经验信息构建系统知识库，并进行形式改写后建立模糊控制规则集R，并通过多次使用试误法修正系统的模糊控制规则集以实现不断优化多工种作业流程。
9.根据权利要求1所述的一种基于异地分布的轨道交通多工种联动控制方法，其特征在于，所述模糊系统总输出计算具体为：
将参训人员操控数据集O的元素
Figure 184339DEST_PATH_IMAGE038
代入对应的隶属函数中，计算隶属度
Figure 825536DEST_PATH_IMAGE039
；
根据所述隶属度确定匹配的模糊规则
Figure 714994DEST_PATH_IMAGE040
；
对所述匹配的模糊规则
Figure 453143DEST_PATH_IMAGE040
进行规则前提推理得到规则前提的可信度，并生成规则前提可信度表；
将规则前提可信度表与模糊推理结果表做与运算得到
Figure 19122DEST_PATH_IMAGE040
的模糊系统总输出。
10.一种基于异地分布的轨道交通多工种联动控制系统，其特征在于，包括：
用户需求功能库构建模块，用于构建基于铁路系统全专业全工种的用户需求功能库FA；
仿真系统功能库构建模块，用于根据用户需求功能库FA和业务培训体系建立仿真系统功能库FB；
仿真系统功能库处理模块，用于将仿真系统功能库FB逐级细分，根据最小细分结果建立模糊集，并定义对应的最小细分隶属函数，以及对最小细分隶属函数进行回溯处理后确定仿真系统功能库FB中各个层级权重系数矩阵β和模糊矩阵λ；
模糊控制规则集构建模块，用于构建基于铁路系统全专业全工种的模糊控制规则集R；
联动控制结果获取模块，用于将系统输入的参训人员操控数据集O与模糊控制规则集R进行规则匹配、规则触发、规则可信度计算分析后得到模糊系统总输出，并对模糊系统总输出进行反模糊化处理后得到联动控制结果。
CN202011167516.7A 2020-10-28 2020-10-28 一种基于异地分布的轨道交通多工种联动控制方法及系统 Active CN112002179B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011167516.7A CN112002179B (zh) 2020-10-28 2020-10-28 一种基于异地分布的轨道交通多工种联动控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011167516.7A CN112002179B (zh) 2020-10-28 2020-10-28 一种基于异地分布的轨道交通多工种联动控制方法及系统

Publications (2)

Publication Number Publication Date
CN112002179A true CN112002179A (zh) 2020-11-27
CN112002179B CN112002179B (zh) 2021-01-26

Family

ID=73475179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011167516.7A Active CN112002179B (zh) 2020-10-28 2020-10-28 一种基于异地分布的轨道交通多工种联动控制方法及系统

Country Status (1)

Country Link
CN (1) CN112002179B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112291534A (zh) * 2020-12-15 2021-01-29 成都运达科技股份有限公司 城轨全自动运行系统cctv监控场景自动推送功能仿真方法
CN112685897A (zh) * 2020-12-29 2021-04-20 中国航空工业集团公司西安飞机设计研究所 一种不同等级训练系统仿真数据包需求清单构建方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101161527A (zh) * 2006-10-11 2008-04-16 郑州三方软件技术有限公司 铁路车站接发列车安全控制方法和装置
CN102103806A (zh) * 2010-12-30 2011-06-22 成都运达轨道交通设备有限公司 轨道交通多工种联合演练仿真培训系统
CN102951188A (zh) * 2011-08-22 2013-03-06 铁道部信息技术中心 一种铁路调度命令平台系统
CN104620304A (zh) * 2012-07-10 2015-05-13 林肯环球股份有限公司 虚拟现实管焊接仿真器及设置
CN110837625A (zh) * 2019-11-07 2020-02-25 华能曹妃甸港口有限公司 港口运营管控方法和装置
CN111369181A (zh) * 2020-06-01 2020-07-03 北京全路通信信号研究设计院集团有限公司 一种列车自主调度深度强化学习方法和模块

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101161527A (zh) * 2006-10-11 2008-04-16 郑州三方软件技术有限公司 铁路车站接发列车安全控制方法和装置
CN102103806A (zh) * 2010-12-30 2011-06-22 成都运达轨道交通设备有限公司 轨道交通多工种联合演练仿真培训系统
CN102951188A (zh) * 2011-08-22 2013-03-06 铁道部信息技术中心 一种铁路调度命令平台系统
CN104620304A (zh) * 2012-07-10 2015-05-13 林肯环球股份有限公司 虚拟现实管焊接仿真器及设置
CN110837625A (zh) * 2019-11-07 2020-02-25 华能曹妃甸港口有限公司 港口运营管控方法和装置
CN111369181A (zh) * 2020-06-01 2020-07-03 北京全路通信信号研究设计院集团有限公司 一种列车自主调度深度强化学习方法和模块

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112291534A (zh) * 2020-12-15 2021-01-29 成都运达科技股份有限公司 城轨全自动运行系统cctv监控场景自动推送功能仿真方法
CN112685897A (zh) * 2020-12-29 2021-04-20 中国航空工业集团公司西安飞机设计研究所 一种不同等级训练系统仿真数据包需求清单构建方法
CN112685897B (zh) * 2020-12-29 2024-04-09 中国航空工业集团公司西安飞机设计研究所 一种不同等级训练系统仿真数据包需求清单构建方法

Also Published As

Publication number Publication date
CN112002179B (zh) 2021-01-26

Similar Documents

Publication Publication Date Title
EP4030365A1 (en) Multi-mode multi-service rail transit analog simulation method and system
CN102879680B (zh) 轨道交通车辆装备通用检测及故障诊断方法及系统
CN112002179B (zh) 一种基于异地分布的轨道交通多工种联动控制方法及系统
CN106199276A (zh) 一种用电信息采集系统中异常信息的智能诊断系统及方法
CN112883640B (zh) 数字孪生车站系统、基于该系统的作业调度方法及应用
WO2018087343A1 (de) Verfahren zur steuerung eines verkehrsmittelsystems, datenverarbeitungssystem
CN112529755A (zh) 高铁动车智能运维管理系统
CN108995675B (zh) 一种轨道交通运营风险智能识别预警系统及方法
CN108398934A (zh) 一种用于轨道交通的设备故障监控的系统
CN110046812A (zh) 城市安全发展水平的综合评价方法
CN112183771A (zh) 一种轨道交通智能运维生态系统及其运行方法
CN111806516A (zh) 一种用于智能列车监测与运维的健康管理装置及方法
CN113627784A (zh) 一种基于工业互联网的企业资产管理智能决策系统
Deng et al. Analysis of failures and influence factors of critical infrastructures: a case of metro
Cai et al. System architecture of a train sensor network for automatic train safety monitoring
Ochkasov et al. Usage of intelligent technologies in choosing the strategy of technical maintenance of locomotives
Yu et al. Identification of significant factors contributing to multi-attribute railway accidents dataset (mara-d) using som data mining
Nowakowski et al. Maintenance decision making process–a case study of passenger transportation company
CN111709597B (zh) 一种电网生产域运营监测系统
CN116644929A (zh) 一种基于物联感知的配电网设备运维工单智能管理方法
CN116862234A (zh) 一种轨道交通自洽能源系统的风险评估方法
CN107545339A (zh) 基于scada警报信号的ds证据理论的风力发电机组在线故障诊断方法
Ursarova et al. Multi-criteria evaluation of professional qualities of railway dispatching personnel using computer simulations
JPS59202504A (ja) 制御方式
Qin et al. Train reliability and safety analysis

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