与传统列控系统相比,全自动无人驾驶运营场景更加复杂多变,潜在的危险及致因具有更强的隐蔽性和复杂性,给运营安全带来了新的挑战。针对以上问题,提出一种STAMP(Systems-Theoretic Accident Model and Process)与模型检验相结合的复杂...与传统列控系统相比,全自动无人驾驶运营场景更加复杂多变,潜在的危险及致因具有更强的隐蔽性和复杂性,给运营安全带来了新的挑战。针对以上问题,提出一种STAMP(Systems-Theoretic Accident Model and Process)与模型检验相结合的复杂运营场景安全验证方法。首先,基于STAMP理论构建运营场景分层控制结构模型,辨识潜在的不安全控制行为、分析危险致因和安全约束;其次,定义分层控制结构模型与安全状态机模型间的基本转换规则,基于分层控制结构模型、安全约束和转换规则,构建运营场景安全状态机模型;最后,针对提取的安全约束,利用数据流图建立安全属性验证模型,结合模型检验技术,对运营场景安全状态机模型进行形式化验证。以全自动无人驾驶运营场景中列车自动进站停车为例,对方法进行验证分析。结果表明,当STAMP理论提取的安全约束通过了场景安全状态机模型的验证时,表示在该场景中对应的不安全控制行为没有发生且不导致相应危险。该方法结合系统安全分析与形式化建模验证的优势,降低了运营场景建模的难度,构建的运营场景形式化模型满足系统安全约束,可以作为全自动无人驾驶系统安全设计和安全改进的重要基础。展开更多
为弥补现有指标的不足,引入韧性作为非常态事件下CTCS-3级(China train control system-3)列控车载子系统运行稳定性的测度指标.提出了车载子系统韧性量化评估方法,构建了基于贝叶斯网络(Bayesian network,BN)的韧性评估模型,并定义了5...为弥补现有指标的不足,引入韧性作为非常态事件下CTCS-3级(China train control system-3)列控车载子系统运行稳定性的测度指标.提出了车载子系统韧性量化评估方法,构建了基于贝叶斯网络(Bayesian network,BN)的韧性评估模型,并定义了5种基于韧性的部件重要度指标;进一步利用贝叶斯网络双向推理功能,计算了车载子系统在不同扰动情景下的韧性及部件重要度指标.研究结果表明:韧性可全面描述车载子系统抵御扰动和从扰动中恢复的能力,非常态事件扰动下,韧性与可用性指标存在明显差异;不同扰动情景下系统韧性明显不同,扰动发生时,车载子系统面临磁暴影响时的韧性为0.8017,而遭遇雷电时的韧性为0.8819,面临冰雪扰动时的韧性为0.9880;部件重要度存在情景依赖,同一部件在不同扰动情景下重要度排序可能不同,且可能随时间动态变化.展开更多
文摘与传统列控系统相比,全自动无人驾驶运营场景更加复杂多变,潜在的危险及致因具有更强的隐蔽性和复杂性,给运营安全带来了新的挑战。针对以上问题,提出一种STAMP(Systems-Theoretic Accident Model and Process)与模型检验相结合的复杂运营场景安全验证方法。首先,基于STAMP理论构建运营场景分层控制结构模型,辨识潜在的不安全控制行为、分析危险致因和安全约束;其次,定义分层控制结构模型与安全状态机模型间的基本转换规则,基于分层控制结构模型、安全约束和转换规则,构建运营场景安全状态机模型;最后,针对提取的安全约束,利用数据流图建立安全属性验证模型,结合模型检验技术,对运营场景安全状态机模型进行形式化验证。以全自动无人驾驶运营场景中列车自动进站停车为例,对方法进行验证分析。结果表明,当STAMP理论提取的安全约束通过了场景安全状态机模型的验证时,表示在该场景中对应的不安全控制行为没有发生且不导致相应危险。该方法结合系统安全分析与形式化建模验证的优势,降低了运营场景建模的难度,构建的运营场景形式化模型满足系统安全约束,可以作为全自动无人驾驶系统安全设计和安全改进的重要基础。
文摘为弥补现有指标的不足,引入韧性作为非常态事件下CTCS-3级(China train control system-3)列控车载子系统运行稳定性的测度指标.提出了车载子系统韧性量化评估方法,构建了基于贝叶斯网络(Bayesian network,BN)的韧性评估模型,并定义了5种基于韧性的部件重要度指标;进一步利用贝叶斯网络双向推理功能,计算了车载子系统在不同扰动情景下的韧性及部件重要度指标.研究结果表明:韧性可全面描述车载子系统抵御扰动和从扰动中恢复的能力,非常态事件扰动下,韧性与可用性指标存在明显差异;不同扰动情景下系统韧性明显不同,扰动发生时,车载子系统面临磁暴影响时的韧性为0.8017,而遭遇雷电时的韧性为0.8819,面临冰雪扰动时的韧性为0.9880;部件重要度存在情景依赖,同一部件在不同扰动情景下重要度排序可能不同,且可能随时间动态变化.