基于Copula-Bayesian组合模型的长江干线水上交通安全风险概率评估

为提高长江干线水上交通安全风险防控能力,针对现有水上安全风险分析模型的局限性,提出Copula-Bayesian组合模型研究长江干线全航段水上交通风险分布规律,计算各分布点的主要事故概率。研究结果表明,在下游沙洲水道樊口施3号红浮附近水域最容易发生碰撞事故,在中游芦家河水道芦家河6号红浮附近水域发生搁浅事故可能性最高,在上游猪儿碛水道石板坡桥右1号红浮附近水域触礁事故分布概率最大,在上游江津水道江津桥右1号红浮附近水域船舶自沉事故较多。研究结果可为海事部门有针对性地开展安全防范工作提供参考。     

非线性混合海况下近海风机塔筒底部载荷的动力响应

本文主要研究在非线性混合海况(即风浪和涌浪组合海况)下,以NREL 5MW_Baseline Monopile近海风机为研究对象,对其塔筒底部(基线)所受到的剪力和弯矩载荷的动力响应进行仿真。在近海风机的时域仿真中,选用了Ochi-Hubble六参数波浪谱,并编制了该谱的程序嵌入到FAST中进行编译。计算过程中,共进行了20次10 min的仿真分析。对于得到的短期载荷,给出了波高程,塔筒底部首尾向剪力和弯矩在线性与非线性不规则波作用下的时程曲线对比图。采用分块最大值法对每一次的短期载荷提取极值,并基于20次仿真所得的极值,给出了塔筒底部首尾向剪力与弯矩在线性与非线性不规则波作用下的超越概率曲线对比图。研究表明,在非线性混合海况下进行近海风机塔筒底部载荷的动力响应研究,计算结果对工程实际应用具有指导意义。     

基于状态转移概率矩阵的轨道不平顺发展预测研究

应用系统状态转移概率矩阵决策理论和方法,基于轨检车现场实测的轨道不平顺数据,以高低不平顺为例,建立了高低不平顺25 m区间最大值状态转移概率矩阵.在此基础上,对高低不平顺区间最大值发展状况进行了预测,并同实际检测结果进行了对比.结果表明:借助状态转移概率矩阵可以预测轨道状态的发展变化;对于数据量小的系统,可以采用离散状态转移概率矩阵进行很好的预测,但如果样本数据量较大,离散状态转移概率矩阵建立较为困难,且受异常数据影响大,不利于分析使用;如果能较准确地获得轨道不平顺发展分布特征及其相关参数,并以此为基础建立连续状态转移概率矩阵,利用此矩阵可在一定程度上反映轨道不平顺状态变化,此矩阵不受数据量限制,受异常数据影响小.     

基于贝叶斯网络的轨道交通司机胜任力评价

根据调查分析得到轨道交通司机胜任力评价的4个一级评价指标和16个二级评价指标。将此评价指标作为变量,基于贝叶斯网络原理,构建司机胜任力贝叶斯网络。选取职业心理特征和职业理论特征作为中间节点,规章制度掌握程度、车辆理论知识水平、学习能力和复杂反应能力作为父节点,司机胜任力作为子结点,得到简化的司机胜任力子贝叶斯网络。利用该子贝叶斯网络对实例的分析结果表明:司机职业心理特征对司机胜任力影响较大;评价结果准确地反映了司机胜任力各项评价指标间的相互作用关系;该方法可为司机的选拔、培训和退役提供定量分析的依据。     

基于模拟机实验的全自动驾驶人因可靠性分析

介绍地铁全自动驾驶系统中人因可靠性分析的应用,选取适于全自动驾驶(FAO)系统人因可靠性分析的方法,应用THERP+HCR方法分析人因失误概率.针对人误数据来源不足的问题,应用模拟机实验的方法,通过建立人误分析系统模拟运营场景中人员的行为,获取事故场景中人误数据.分析全自动驾驶人误分析系统的设计方案并详细描述各组成模块功能需求,结合典型的英国地铁事故实例,分析事故中的人误率.针对人的失误,提出改进措施,降低事故的人误率,提高控制中心人员的可靠性.     

基于主元分析-概率神经网络的车辆受电弓故障诊断

在城市轨道交通车辆受电弓日常检修过程中,大量检修及故障数据未得到合理利用.针对计划检修已不能满足目前受电弓检修要求的问题,提出了一种基于主元分析和概率神经网络结合的故障诊断方法.该方法运用主元分析法对受电弓日常检修中的初始特征参数进行降维,将降维后特征参数输入到概率神经网络模型中进行故障诊断,判定受电弓故障模式.仿真结...     

基于概率神经网络的S700K转辙机故障诊断方法

转辙机故障对铁路运输安全影响重大。针对转辙机故障原因与现象之间的复杂不确定性关系,提出一种基于概率神经网络的S700K转辙机故障诊断方法。在对转辙机各个状态功率曲线动作原理进行分析的基础上,根据信号不同时域特征参数,对各工作区段的特征进行提取;依据故障现象与故障类型的关系建立概率神经网络模型,以F1-Score作为诊断准确性评价指标,通过测试不同平滑因子对F1-Score值的影响,确定0.019为概率神经网络进行故障诊断最优的平滑因子;最后选择来自某电务段的81组S700K转辙机故障数据作为测试数据,验证了该智能故障诊断方法的可靠性。     

基于状态影响因子的高速铁路电务安全指数优化

为提升高速铁路电务安全保障能力,解决原有电务安全指数单一、只能静态反映高速铁路电务安全态势及电务运营安全复杂的连续动态表征评价等问题,采用随机过程理论,选取高速铁路电务设备正常、故障和事故3种状态相关的基本时间域、状态转移概率和状态持续系数作为电务安全指数的影响因子,并基于马尔科夫状态转移和Logistic函数分析的方法对其进行特征量提取,构建高速铁路电务安全指数优化模型;选取某典型线路和某典型路局电务6大类型设备的故障和事故基础数据,验证高速铁路电务安全指数优化效果。结果表明：由优化模型计算得到的高速铁路电务安全指数通过了双边趋势检验分析,能准确拟合电务设备状态的变化及持续周期变动,且部分状态变化趋势通过了显著水平α=0.05 （置信度为95%）和α=0.01 （置信度为99%）的检验,变化趋势明显;优化后的电务安全指数能直观、动态且连续地反映高速铁路电务设备运行的安全态势。