基于故障注入的CBTC车载测试技术研究

CBTC车载系统作为安全苛求系统,对其进行完备的硬软件测试具有很高的学术意义和社会价值,然而目前国内相关的测试规范非常稀缺,安全评估也有着很大的空白,所以在进入工程应用之前对其进行严苛的安全性测试就更为重要。本文提出一种自动化的测试框架,引入故障注入的测试方法,加强系统的揭错、纠错能力,具有很高的应用价值。     

城轨列车在车站停车误差估计模型与在线学习算法的研究

根据城轨列车制动特性,对列车运动方程做2项简化。一是忽略空气阻力和坡度的影响;二是分别假设制动力传递有延时及减速度不变或减速度是初始速度的线性函数。由此推导出2个简化的列车停车误差估计模型和模型参数之间的线性关系函数式,并给出模型参数在线学习算法,以克服停车过程中的各种非线性因素的影响,提高停车精度。根据统计学原理,采用5个评价指标对模型的性能进行评价,采用停车误差估计判断停车精度是否满足停车可靠性的要求。利用实测停车数据对模型和在线学习算法进行验证和比较。结果表明:提出的简化模型和在线学习算法,能有效降低停车误差,并纠正误差分布的有偏性;停车误差在大于99.5%的情况下满足30cm停车精度的可靠性要求;模型1的效果比模型2略好。