车路协同混合交通场景要素解析与测试案例生成

面向混合交通环境下多车效率类和单车安全类场景测试需求，研究了基于混合交通场景要素解析的车路协同测试案例生成方法; 为提高测试案例的多样性和覆盖度，分析了混合交通特征要素相互作用机理，构建了混合交通场景要素层次模型，提出了场景要素重要度的一致性描述指标，并在此基础上建立了测试案例复杂度模型; 针对多车效率类场景仿真测试，提出了复杂度激励的组合测试案例生成方法，设计了场景要素强耦合组合策略; 针对单车安全类场景仿真测试，提出了基于复杂度聚类的蒙特卡洛测试案例生成方法，设计了风险场景特征参数抽样机制; 选取车路协同混合交通典型场景开展仿真试验，验证了提出的测试案例生成方法的有效性。研究结果表明，对于多车效率类混合交通高速公路匝道合流场景测试，提出的方法比传统成对测试方法的场景最大复杂度提高了11.93%，高复杂度场景占比提高了60.02%，测试案例覆盖度提高了12.08%;对于单车安全类车路协同换道预警场景测试，提出的方法比传统蒙特卡洛测试方法的危险场景数提高了195%，且其参数估计误差降低了5.95%，高风险场景数提高了119%，且其参数估计误差降低了4.78%。可见，提出的方法能够提高测试案例的多样性和覆盖度，有助于开展复杂环境和风险条件下车路协同系统功能测试，能够有效满足多车效率类和单车安全类场景测试需求。      

高铁信号系统安全关键功能测试建模方法

测试模型是高铁信号系统安全关键功能测试用例编制的重要基础,针对高铁信号系统安全关键功能测试建模过程中描述信号系统领域特征不够全面的问题,提出时间状态机测试建模理论和测试用例生成方法. 分析高铁信号系统测试建模的特点,提出信号系统安全关键功能测试模型的建模需求;以有限状态机理论为研究基础,结合功能逻辑和时钟约束提出时间状态机建模方法,采用Z规格说明语言给出时间状态机的形式化定义;将时间状态机转换为时间自动机,证明转换之间的一致性,并基于时间自动机的测试理论自动生成测试用例,再以计算机联锁系统中的道岔转换功能为例,建立时间状态机测试模型并生成测试用例. 最后,将两种方法生成的测试案例进行对比,结果表明:在功能逻辑方面,基于时间状态机建模方法生成的测试案例100% 地覆盖了基于时间自动机建模方法生成的测试案例,并新增了16条具有时钟约束的测试案例,能够满足高铁信号系统安全关键功能测试建模的需求.      

CTCS-3级列控系统车载设备测试序列的优化

如何将测试案例组合成为最有效和最优化的测试序列,是车载设备测试的一个关键问题.将优化测试序列生成问题演化为邮递员问题,通过利用遗传算法解决邮递员问题的优势,将遗传算法应用于优化测试序列的生成.根据车载模式转换图构造测试子序列图,然后应用遗传算法求解得到优化测试序列.分析实验结果表明,此方法使得测试效率得到了大幅度提高,是一种优化测试序列生成问题的可行方法.     

基于模型的CTCS-3级列控系统测试案例自动生成方法

为了提高CTCS-3级列控系统测试案例生成效率,提出了基于混合通信顺序进程(hybrid communication sequential process, HCSP)形式化模型和时间自动机(timed automaton, TA)形式化模型的列控系统测试案例自动生成方法;建立了列控系统运营场景的时序模型,分析了列控系统运营场景规范中时序功能的正确性;在时序模型的基础上,设计了满足全状态、全变迁和自定义-使用3种领域无关覆盖准则的列控系统测试案例自动生成算法,并以RBC(radio block center, RBC)切换场景为例,生成了100%全状态、全变迁和自定义-使用覆盖准则的测试案例套.从测试套数量、测试时间和内存消耗3个方面分析测试案例的生成效率表明:自定义-使用覆盖准则的测试案例套测试时间和内存消耗最小,分别为0.02 s和9.4 MB,本文方法提高列控系统测试案例生成效率最大达30%.      

基于区间二型神经模糊系统的轨道电路故障诊断

针对目前铁路现场对轨道电路故障的判别仍然采用阈值法导致维护效率偏低的问题，提出将神经网络与模糊逻辑相结合，构建区间二型神经模糊系统（interval type-2 neural-fuzzy system，IT2NFS），通过诊断模型实现对轨道电路故障模式的智能识别. 首先通过结构识别建立初步的网络结构，采用均匀设计方法生成模糊集的均值，对训练样本进行相似性测试，生成标准差和初始后件参数；再通过递归奇异值分解，优化后件参数以减小输出误差；最后，针对常见的8种故障，从实验平台上采集样本共计9000个，其中6300个样本用于模型训练，剩余2700个用于实验测试. 实验结果表明:利用IT2NFS模型进行故障诊断时，每种故障类别的识别率均在82%以上，平均正确率为90.9%，仿真用时10.59 s.      

自动驾驶测试场景研究进展

阐述了目前形成的自动驾驶测试场景的5种定义,并在梳理测试场景、基元场景、场景要素之间逻辑关系的基础上提出了自动驾驶测试场景及有关概念的定义;对比了目前业界较为认可的3种自动驾驶测试场景架构;从场景数据来源梳理了国内外开展的交通事故数据与自然驾驶数据采集与研究现状;概括了利用已知数据、专家数据、测试需求、测试对象以及自动驾驶技术特征等开展未知自动驾驶测试场景构建与自动生成研究的成果。研究结果表明:自动驾驶测试场景的定义及架构与自动驾驶场景的构建与自动生成关系密切;自动驾驶场景可以认为是自动驾驶汽车的行驶环境、交通参与者与驾驶行为等场景要素的有机组合与综合反映,自动驾驶测试场景除包含场景的所有要素外,还应包含场景起始状态、场景发生的态势以及场景结束时造成的影响和结果等内容的动态语义描述;现有测试场景架构已较为完善,但难以满足不同测试目标及测试方法的需求,其优化应充分考虑测试场景设计的流程;交通事故数据采集精度及有效数据特征不一,自然驾驶场景数据难以完全采集,且采集规范不统一,其面向自动驾驶测试场景构建的有效性还有待进一步论证,自动驾驶测试数据有望成为重要补充;提升场景覆盖度、加速测试进程是自动驾驶测试场景构建的重要研究目标,人工智能技术在自动驾驶场景生成领域的深度应用有望满足测试场景的完全覆盖或高覆盖需求;面向不同自动驾驶等级的测试场景分级及面向自动驾驶加速测试场景构建方法将是自动驾驶测试场景构建下一步研究的重要方向。      

基于物元-阴性选择算法的轴箱轴承故障检测

针对高速列车轴箱轴承故障数据获取困难的问题，提出了一种无需先验知识的利用物元和阴性选择算法进行轴承故障检测的方法. 首先利用多维物元构建阴性选择算法的检测器模型，以检测器与训练样本之间的综合关联度作为匹配规则，并在综合关联度约束范围内引入控制参数，实现检测器对非己空间的更大覆盖；其次，根据匹配规则和控制参数构建适应度函数，采用粒子群优化算法生成候选检测器，分析控制参数对检测器生成和粒子群优化算法收敛速度的影响；此外，为降低候选检测器集合的冗余度，基于关联度提出了检测器特征参数区间的合并规则，将成熟检测器个数降低至18个；最后，通过信号模拟方法生成轴箱轴承的各类故障信号，建立100组测试样本，并利用18个成熟检测器进行故障检测. 研究结果表明:成熟检测器对不同类轴承故障均具有较好的检测性能，正常样本的检测器激活率为1.11%，故障样本的检测器激活率不低于96.67%.      

各种运输方式之间的发展关系分析

系统地分析了运输方式之间的三种基本关系及其相互的转换和影响，并运用投入产出原理，确立了我国货物运输中主要运输方式之间的输入输出关系，为我国运输方式的发展规划提供了现实的依据。     

路网规模对出行者路径选择转换的影响

为预测交通流的演化动态，提高交通系统运行效率，需研究路网规模与出行者路径选择转换行为间的关系。首先设计并实施实验室行为实验，收集出行者实际路径选择相关数据。行为实验涉及4个不同规模的虚拟道路网络，30名参与者基于以往的出行信息（即出行时间）在虚拟路网上进行路径选择。然后利用假设检验、回归分析等统计方法对收集到的实验数据进行分析。分析结果表明：随着路网规模的增大，路网达到用户均衡（User Equilibrium, UE）状态的次数减少。对各路网用户均衡状态与系统最优（System Optimum, SO）状态的对比表明：各路径流量的平均值都很接近于UE值，而与SO值相差较大。从逐日路径流量演化和个体选择可变性两方面分析了路网规模与路径选择转换间的关系，发现逐日路径选择转换人数（或个体路径选择转换数量）与路网规模呈正线性相关。此外，个体路径选择转换频率与平均经验出行时间显著相关。由此得出结论：单方面扩大路网规模并不总能促进路网交通流演化到用户均衡状态，且出行时间与个体路径选择转换数量存在幂函数关系。     

铁路信号安全关键软件的组合测试序列集约简

针对现有铁路信号系统安全关键软件t-路组合测试序列生成方法在处理大规模输入时产生冗余测试序列，导致测试执行成本较高的问题，提出了一种基于贪婪-粒子群混合优化算法的t-路组合测试序列集约简方法，用于降低序列集的执行成本. 首先，以执行成本最低为约简目标，建立针对t-路组合测试序列集约简的优化模型；然后，在保证测试序列集逻辑覆盖特性的基础上，采用贪婪-粒子群混合优化算法求解模型，计算约简后的测试序列集；最后，以ZPW-2000轨道电路接收器软件作为研究对象，以其生成的2-路组合测试序列集为例开展约简验证. 结果表明，所提方法在保证2-路组合覆盖和逻辑覆盖的前提下，对单个序列集的执行成本约简幅度最高达到98.33%，对序列集总的执行成本约简幅度达到36.10%，验证了所提方法的可行性和有效性.      

SACSR:a low power BIST method for sequential circuits

A novel built-in-self-test (BIST) method called seeded autonomous cyclic shift register (SACSR) is presented to reduce test power of the sequential circuit. The key idea is to use a pseudorandom pattern generator and several XOR gates to generate seeds that share fewer test vectors. The generated seed is taken XOR operation with a cyclic shift register, and the single input change (SIC) sequence is generated. The proposed scheme is easily implemented and can reduce the switching activities of the circuit under test (CUT) greatly. Experimental results on ISCAS89 benchmarks show that on average more than 63% power reduction can be achieved. It also demonstrates that the generated test vectors attain high fault coverage for stuck-at fault and transition fault coverage with short test length.     

基于改进SBELM的耦合故障诊断方法

为了对主减速器的耦合故障进行识别,通过对振动信号经过集成经验模态分解(ensemble empirical mode decomposition, EEMD)所获得的高频分量采用自适应阈值降噪和对低频分量采用区间阈值降噪,有效去除了信号噪声,创建了配对多标签分类策略(paired multi-label classification,PMLC).基于PMLC和稀疏贝叶斯极限学习机(sparse Bayesian extreme learning machine, SBELM)用单故障样本构造概率分类器集,再采用网格搜索方法生成最优决策阈值,将分类器集的概率输出转换为耦合故障模式,提出了基于自适应区间阈值降噪和SBELM的耦合故障诊断方法,并用主减速器的实际样本集验证了该方法的性能.研究结果表明:该方法的诊断精确度达到96.1%,比基于PNN(probability neural networks)和SVM(support vector machine)的诊断方法提高了5%;该方法的训练时间和执行时间为131.4和61.3 ms,比基于SVM的诊断方法减少了70%.      

基于SAT的可逆线路检测集生成算法

可逆逻辑是量子计算的基本特征,也是日益突出的低能耗需求的一种解决方案。根据可逆电路的可控制性和可观测性,论文提出了一种基于逻辑可满足性的算法来自动产生单门失效错误的完备检测集。基于k-NOT门的可逆逻辑线路中的数据传输进行线性建模,用线性时态逻辑描述单门失效错误约束,运用SAT求解器寻求反例的方法自动生成可逆电路的错误检测集。实验结果显示,本方法能够有效的应用于不规则和复杂的基于k-NOT门的可逆逻辑线路,自动化程度高。     

跨断层桥梁抗震综述

在交通强国战略深入推进的时代背景下,中国公路、铁路网的发展使得跨越断层修建桥梁不可避免,川藏铁路的规划、设计和修建更让这个问题日益突出. 同时,公路和铁路抗震规范采用避让断层造桥的规定与无法避让造桥的实际情况之间的矛盾也日渐凸显. 在地震作用下跨越活动断层的桥梁比非跨越断层桥梁具有更复杂的受力特点、破坏形式和破坏机理,我国对跨断层桥梁的研究尚处于起步阶段,可供参考的相关文献资料、工程实例以及抗震设计规范缺乏. 为了确保跨断层桥梁的安全性,基于国内外对跨断层桥梁的研究现状,归纳总结了活动断层特征、断层处地震动、跨断层桥梁的破坏特征、跨断层桥梁分析方法以及跨断层桥梁概念设计措施. 梳理了当前跨越断层桥梁抗震存在的问题,并对未来跨断层桥梁的研究进行了展望,指出断层地震空间性、跨断层桥梁破坏机理、多灾害对跨断层桥梁的影响、跨断层桥梁快速抢修技术和人工智能技术在跨断层桥梁抗震中的应用将是未来发展方向,为未来跨断层桥梁抗震设计、性能评估和规范拟订提供参考.      

基于深度时频特征的机车轴承故障诊断

针对现有机车轴承诊断方法存在故障特征提取不理想、诊断精度低等问题,提出了一种基于深度时频特征的机车轴承故障诊断新方法;利用双通道一维和二维卷积神经网络(CNN)分别对输入的一维原始信号和连续小波变换(CWT)提取的二维时频信号进行深度特征提取;为使输入的一维原始信号简单而有效地反映出信号在时域的全局特征,上通道使用一维CNN,为使输入的二维时频域信号能多角度地反映出信号的细微局部变化,下通道使用二维CNN;在融合层中将上下通道特征自动融合成一个新的深度时频特征,并将提取到的深度融合时频特征经归一化指数函数进行故障分类识别;在此基础上,分析了某局机务段实测的7种机车轴承数据,验证了本文方法的实际工程应用价值。研究结果表明:基于深度时频特征的机车轴承故障诊断方法对7种机车轴承故障的平均诊断精度达到了100%,与一维CNN模型、二维CNN模型和支持向量机(SVM)模型相比,平均诊断精度分别提高了0.7%、1.9%和2.2%;本文方法提取的深度时频特征中每类故障分布间隔规则有序,类内间距很小,而单个一维CNN模型和二维CNN模型提取的特征的每类故障分布间隔不规则,类内间距较大,说明基于深度时频特征的机车轴承故障诊断方法提取深度特征的能力优越,是一种解决机车轴承故障诊断问题的有效模型。      

基于UIO的摆式列车倾摆控制系统执行机构的故障检测

提出了一种利用未知输入观测吕（ＵＩＯ）对摆式列车倾摆控制系统执行机构进行故障检测的方法。该方法是干扰解耦原理的一个应用,通过一个全阶未知输入观测器使残差对未知输入不敏感,而对故障敏感,通过一个简单阈值逻辑来检测故障,通过计算机仿真证明了该方法的有效性。     

基于观测器的汽车发动机电控系统故障诊断方法研究

针对汽车发动机电控系统负载不可测且存在随机干扰的情况,采用基于数学模型的未知输入故障检测观测器方法,研究其故障诊断问题。合理选择残差信号的阈值,能够可靠地诊断汽车发动机电控系统负载不可测且存在随机干扰时的故障。仿真结果验证了本方法的有效性。