一、人机系统事故概率与发生频率的可靠性分析（论文文献综述）
刘建桥[1]（2021）在《SPAR-H方法行为形成因子相关性分析及改进研究》文中研究指明标准化核电厂风险分析-人因可靠性分析方法（Standardized plant analysis of risk-human reliability analysis,SPAR-H）以其简单、方便和容易使用等特点,成为目前国际上认可和接受的人因可靠性分析方法,且已广泛应用于我国核电工程领域中。然而,研究人员和使用者已经发现在采用SPAR-H方法分析核电厂内部事件时,其行为形成因子（Performance shaping factors,PSFs）体系存在两方面的缺陷。（1）内容相关:某些PSFs内容存在重叠;（2）因果相关:计算人因失误概率时PSFs间的因果影响关系没有考虑。这两方面的缺陷增加了使用SPAR-H进行人因可靠性分析的不确定性并且造成人因失误概率的重复计算。为了使人因可靠性分析更为可靠,需要对SPAR-H的PSFs体系进行完善,即,解决上述两方面的缺陷。本研究沿以下三个步骤对SPAR-H的PSFs体系进行了改进:（1）研究内容存在相关的PSFs。SPAR-H的八个PSF都包含许多子因素,这些子因素作为指标来确定人因事件中涉及的PSFs及其相应的水平。内容相关的PSFs主要指子因素间存在重叠,导致专家在选择某一事件中的PSFs时产生差异。随着人因事件的增多,这种重叠的PSFs会通过专家分析的结果表现出一定的规律。通过研究人因事件/事故分析报告,可以探究这些规律,进而发现内容重叠的PSFs。基于此,通过统计2007年到2017年219份国内核电厂运行事件报告,筛选出与主控室操纵员运行有关的人因事件/事故报告89份进行PSFs相关性的研究,运用数据挖掘技术（关联规则分析、探索性因子分析、皮尔森相关性分析）对统计结果进行分析,识别出了内容相关的PSFs,包括（1）复杂度、压力职责适宜以及可用时间之间存在相关关系;（2）工作过程、规程、人因工程学/人机界面和经验/培训之间存在关联。且专家在选择经验/培训、人因工程学/人机界面和规程时,很大概率还会选择工作过程。（2）针对“问题”PSFs进行改进并验证。首先,基于（1）中识别出的内容重叠的PSFs,再在文献分析的基础上结合数字化核电厂主控室操纵员的工作环境,对SPAR-H的PSFs进行整体分析。其次,针对PSFs存在的缺陷提出相应的改进方案,采用文献分析法和专家分析法,从以下三个方面进行改进:a.减少PSFs的重叠;b.增加PSFs的可变性;c.考虑数字化情境的PSFs。之后,将改进的PSFs用于数字化核电厂人因事件分析,采用肯德尔协同系数（Kendall’s W test）检验不同专家对同一事件的分析结果,用以验证改进后的PSFs是否减少了内容的重叠;在此基础上将专家的分析结果用于计算相应事件的人因失误概率,采用配对样本T检验（Paired samples test）对计算的人因失误概率与历史数据进行配对分析,以验证改进后的PSFs体系是否合理。结果显示（a）肯德尔协同系数均在0.8以上且具有显着性,说明不同专家对同一事件的分析结果高度一致,表明改进的PSFs内容减少了重叠性;（b）配对样本t检验显示根据修改后的PSFs内容计算的人因失误概率值与历史数据之间不存在显着性差异,说明修改后的PSFs合理。（3）建立PSFs间因果关系的定量模型。将该定量模型归并到SPAR-H方法,可以使得SPAR-H方法在工程应用中能更准确地估计人因失误概率。（1）和（2）的完成为研究PSFs间复杂的因果关系奠定了基础。本研究采用系统动力学（System dynamics,SD）方法对PSFs之间的因果关系进行模拟。首先采用文献分析法和专家判断法定性描述PSFs间的因果关系,建立关系流图。然后,基于互信息（Mutual information,MI）和层次分析法（AHP）确定各PSFs变量的函数关系。使用VENSIMPLE软件执行因果关系的模拟。从以下三个方面对模型的合理性进行验证:（1）以NUREG/CR-6883附录中三个案例为模拟分析对象,将模拟结果与案例的结果进行比较;（2）验证模型对人因失误概率的模拟范围是否在区间[0,1];（3）对模型进行灵敏度分析。验证分析结果表明:（1）考虑了PSF间因果关系得到的HEPs与没有考虑该关系得到的HEPs在统计学上无显着差异,且前者整体上要小于后者;（2）SD模型模拟的人因失误概率处在区间[0,1];（3）灵敏度分析结果表明,规程和人因工程/人机界面是显着影响操纵员绩效的两个PSFs。上述结论可以表明本研究建立PSFs因果关系模型是合理的。本研究成果有助于完善SPAR-H方法的PSFs体系。在定性分析方面,可以更清晰的引导人因专家分析事件中影响因素,减小专家分析的不确定性;在定量方面,考虑PSFs之间的因果关系后,使得人因失误概率的估计更接近真实值,减小了SPAR-H在计算人因失误概率时的保守性。
张文琳[2]（2021）在《基于改进CREAM的城市轨道交通事故人因分析》文中认为随着城市轨道交通的快速发展,人们对其运行封闭、空间狭小、客流集中、应急疏散空难等特点所关联的许多安全风险问题也更加关注。而人的不安全行为是导致城市轨道交通事故发生的最直接因素,因此对人的可靠性进行分析必不可少。本文通过大量学习文献,分析现有人因可靠性分析方法的优缺点,选定认知功能更复杂、人误概率计算更精确的认知可靠性和失误分析方法（CREAM）,本文首先利用CREAM追溯法,构建了城市轨道交通系统人因事故追溯表,并通过实际案例对城市轨道交通突发事故中的人因失误进行详细分析。之后详细分析了该方法定量分析中的基本法和拓展法,指出传统CREAM的不足。其次,根据传统CREAM的不足,本文针对基本法和拓展法分别提出不同的改进方法。在基本法的改进中,本文对影响CPC因子的因素进行细化,并将由于人的内在因素导致的认知功能失效转换为情景环境的进一步恶化,之后采用三角形隶属函数对CPC因子的评分进行模糊化,提出CPC因子之间的相互影响与影响程度,根据证据推理计算每条IF-THEN规则中四种控制模式的置信度,在得到置信度后,将CPC因子与带有置信度的控制模式转化为贝叶斯网络,结合全概率公式得出更精确的人误概率公式。在拓展法的改进中,本文在对认知功能失效概率基本值的修正中,提出环境影响因子,即CPC因子水平为改进的个数越多,对人因可靠性具有越积极的影响。最后,将改进后的CREAM法应用在城市轨道交通领域,并给出城市轨道交通系统提高人因可靠性的合理化建议与措施。
陈斌[3]（2020）在《高铁列控车载设备可靠性评估及维修决策方法研究》文中研究表明高速铁路的建设标志着中国铁路建设新局面的到来。凭借着其高速、快捷、舒适等特点,高速铁路已经渐渐成为广大人民群众出行的优先选择。高速铁路的快速发展,将会大大促进社会经济建设,完善国家战略布局,改善社会民生民情,为全面建成小康社会发挥支撑引领的作用。作为攸关旅客生命及财产安全的大型地面运输系统,高速列车运行的安全性与可靠性至关重要。高速铁路列车运行控制系统车载设备（下文称为高铁列控车载设备）作为具有安全苛求特性的高速铁路的关键技术之一,是对高速列车进行操纵和控制的主体,是保障高速铁路行车安全、提高运输效率的核心系统,其安全、可靠运行对于客运安全、列车运行效率、铁路经济效益都有重大意义,因此,针对高铁列控车载设备的可靠性评估及维修决策开展关键技术研究,对确保高速列车运行安全提供理论依据和技术支撑,杜绝重大恶性安全事故的发生具有十分重要的意义,成为高速列车运行安全、可靠性领域的热点研究问题之一。本文立足于高铁列控车载设备可靠性研究相关问题,首先针对庞大的高铁列控车载设备运行数据提出多维数据模型,对运行数据进行建模与分析;面向复杂耦合故障构建高铁列控车载设备的故障风险评估指标体系及其评估方法,形成对高铁列控车载设备故障的风险水平分析;针对高铁列控车载设备小样本故障数据建立基于贝叶斯估计思想的可靠性评估方法,并在故障风险评估与可靠性评估的基础上,形成“故障修”与“预防修”相结合的综合维护维修策略。基于论文的研究工作,主要形成了以下创新成果:（1）提出了高铁列控车载设备多维数据模型,利用数据立方体对多维数据模型进行描述、构建及分析,结合数据立方体的相关操作方式,针对高铁列控车载设备故障分布的时空特性进行分析,解决了庞大、复杂的高铁列控车载设备运行数据的规范化管理、存储及分析等相关问题,实现了大规模数据下设备故障时空特性的有效分析。（2）建立了高铁列控车载设备故障风险评估体系,基于高铁列控车载设备结构及各部件间的信息流向,建立故障传递图模型并利用Pagerank算法计算了故障影响度指标,在对多维数据模型进行分析的基础上,对故障发生度指标及故障危害度指标进行了计算,提出了基于灰色关联度-理想点算法的高铁列控车载设备故障风险评估方法,解决了复杂耦合故障情况下高铁列控车载设备故障风险评估问题。（3）提出了基于贝叶斯估计的高铁列控车载设备可靠性评估方法,解决了小样本故障信息下,经典统计推断算法对高铁列控车载设备寿命分布欠拟合的缺点,同时考虑到不同系统间的差异性,提出了基于贝叶斯层次模型的多设备可靠性评估方法,有效分析了系统差异性对设备可靠性评估的影响。（4）建立了综合修复性维修与预防性维修的高铁列控车载设备维护维修决策,以故障风险评估结果为依据为不同部件确定适用的维修方式,以可靠性评估结果为约束条件,建立了成本最优的预防性维修模型,基于量子遗传优化算法对维护维修决策进行优化计算,有效地提升了高铁列控车载设备运用时间,并降低了设备的维护维修成本。论文利用高铁列控车载设备现场实际运行数据对本文所提出的相关模型算法进行了验证,其研究成果可为高铁列控车载设备的数据管理与分析、故障分析、可靠性评估及维护维修策略提供较高的理论参考价值。
潘潼[4]（2020）在《地铁列车信号系统关键设备可靠性分析及维保策略优化》文中研究说明城市轨道交通的服务宗旨是安全、高效地运送乘客。信号系统作为其中至关重要的一个控制系统,负责指挥地铁列车的有序运行、实现无线通信,必须具有高可靠性,从而确保列车的行车安全和可靠运营。相对高铁来说,地铁列车运行速度较低,且站间距短,需要在短时间内完成启动、提速、减速、刹车的一系列过程。每天高频率地重复执行这些过程使得地铁的运营和维护成本增加,因此对地铁信号设备的维修维保提出了新的要求。本文对地铁信号系统国内外的可靠性研究现状和维修维保现状进行综述后,密切结合某地铁运营公司的实际情况,开展以下几方面的研究:（1）将地铁列车信号系统分为车载信号系统和地面信号系统两大子系统,结合大数据分析方法,针对不同运营线路的信号系统现场故障数据进行数据挖掘与可视化,探究不同的故障子类、故障模式、故障原因、故障影响,并用数据拟合方法探究失效时间间隔的变化规律。以大数据分析结果为支撑,掌握信号系统故障分类、统计故障频发设备,归纳不同故障对列车运行造成的不同影响。针对车载信号系统开展FMECA分析,包括划分故障等级并计算模式故障率、输出危害度矩阵等,最后总结归纳建立FMECA表格。（2）基于地铁运营公司记录的实际故障数据,结合FMECA分析结果,进行车载控制器可靠性特征量估计值的计算,绘制各个可靠性指标随时间变化的函数图,并进行汇总和对比分析。根据实际情况中不同型号车载信号的结构功能差异及故障情况,绘制故障树,分别进行FTA分析。在故障树的基础上,根据一定的转化规则,将所选故障树转化为贝叶斯网络,假设在系统发生故障的条件下,通过相应算法进行贝叶斯网络推理,计算根节点的后验概率,确定对系统发生故障影响概率较大的信号设备,为找到信号系统关键设备提供依据。（3）提取故障数据相对较少的地面信号系统数据进行拼接聚合和预处理,主要针对导致晚点等严重影响的故障数据,从不同维度进行地面信号系统故障数据的可视化分析。在此基础上绘制地面信号系统故障树,进行重要度识别,运用蒙特卡洛模拟方法,基于故障树进行蒙特卡洛仿真,输出地面信号系统可靠性随时间变化的函数图,并结合车载信号系统可靠性分析,计算地铁列车总的信号系统可靠性指标。（4）对地铁运营公司现有维修策略进行调研,归纳维修现状。利用EXAKT建模优化工具,基于比例风险模型、成本决策模型等统计和决策模型,研究考虑风险和成本的地铁信号系统双目标优化维修策略,并以车载控制器为案例建立基于状态的维修模型,有针对性地确定最佳失效风险等级,最小化维保成本的同时保证故障风险处于较低水平,实现维保策略的优化。通过上述几方面的研究,给地铁运营公司的维保人员展现了列车信号系统更直观的故障规律和特点、可靠性现状以及薄弱环节,为实际运营维保制定更合理优化的维修策略,提高系统的服役能力以及降低维修成本具有参考意义。
张晓岚[5]（2020）在《基于列车数据分析的故障预警技术研究》文中研究指明列车运行控制系统是高速列车控制系统的“神经中枢”,是铁路运输的基础设施。其中,车载子系统是列控系统的核心部分,是保证行车安全、提高运行效率的关键。列车在运行过程中受各种因素影响,车载设备故障时有发生,如今车载子系统的故障处理方式仍以维修人员的经验为主,缺乏安全趋势预测和风险评估预警等方面的研究,影响列车的行车安全及效率。因此,如何提高车载设备故障预警能力以及制定恰当的辅助维护方法,提高列车安全可靠性是铁路运营部门急需解决的问题。本文以300T型车载设备为研究对象,从系统的故障诊断、可靠性评估以及设备维护等方面开展分析,建立基于列车数据分析的车载设备故障预警系统。论文主要的研究工作与研究成果如下:（1）在故障诊断方面,本文针对车载设备文本故障数据结构复杂且冗余度高的特点,提出了一种基于文本挖掘技术的故障特征提取方法,将IDF-TF算法与粗糙集理论相结合,得出有效故障特征集。通过建立BP神经网络模型,验证该方法可剔除冗余不相关特征,简化了诊断模型,提高了诊断精度,改善了诊断模型对数据质量依赖的缺陷。该模型不同于以往基于信号的故障诊断模式,为列车的故障诊断提供了新的处理思路。（2）在可靠性评估方面,本文从设备故障危害度方面出发,提出了基于BN改进的FMECA模型,对车载设备进行客观定量的风险评估,解决了原始FMECA对预警造成的主观随意性问题;从系统功能角度出发,利用AHP方法对车载设备进行安全可靠性权重排序。最终综合考虑设备的危害度和权重,利用组合赋权法对系统进行综合预警评估,改变了传统的从单一因素评价故障的方式。（3）在设备维护方面,本文依据统计数据,对车载设备的更换趋势进行了多项式拟合预测,方便工作人员制定下一阶段的工作任务;依据设备的预警评估结果制定针对性维修策略,提高了列车安全可靠性,降低了维修成本,为高速铁路向智能化发展提供了一种由“定期修”向“视情修”转变的新的维修方案。（4）利用MATLAB与C#混合编程技术设计了车载设备安全分析预警系统的各功能模块,实现了车载设备故障诊断的智能化分析,达到故障预警的可视化管理目的。
孙延浩[6]（2020）在《高速铁路行车调度系统可靠性评估方法研究》文中认为调度系统是铁路运输组织的核心之一,是保证列车安全、准时、高效运行的重要屏障。近几年,我国高速铁路迅猛发展,截止到2019年底,我国高速铁路通车里程达3.5万公里,高居世界首位。高速铁路高速度、高密度、大运量的特点对调度系统带来了严峻的挑战和更高的要求。强化高速铁路行车调度系统的可靠性和安全性,对高速铁路的安全运营十分关键。高速铁路行车调度系统作为一个“人-机”交互的高耦合性系统。其结构庞大,元素众多、功能复杂。系统内的各种设备不仅具有各自的独立性,同时又具有一定的关联性,再加上系统内“人”的随机性,导致高速铁路行车调度系统的可靠性研究变的十分困难。因此目前对于高速铁路行车调度系统可靠性研究大部分都停留在定性层面的分析上,而未进行深入的研究。针对目前存在系统可靠性研究不够深入的问题,本文从系统的关键设备和节点入手,围绕硬件、软件、人因以及系统层级四个维度对可靠性进行深入的解构和分析。本文的主要研究内容如下:（1）详细梳理了高速铁路行车调度系统的组织架构、岗位设置、业务功能以及信息交互,并根据系统信息传递机制和信息属性,基于复杂网络理论构建了高速铁路行车调度系统的拓扑网络结构图。通过对系统节点和边的重要度分析,验证了高速铁路行车调度系统在整个调度系统中的核心地位和作用,同时也得出了列车调度员是中心关键节点,自律机是车站关键节点的结论。（2）针对高速铁路行车调度系统在运营或者维护时存在大量的故障记录无法得到有效的利用的问题,构建了基于词频-逆向文件频率（Term Frequency-Inverse Document Frequency,TF-IDF）和Text-Rank的算法模型,通过该模型提取到系统故障的关键词,并在此基础上通过运用狄利克雷模型提取到系统故障的关键主题。通过对系统的关键词和主题特征进行分析,发现车站系统是高速铁路行车调度系统的故障多发地点,而自律机为车站子系统的故障多发设备。（3）针对系统中自律机设备在可靠性分析中状态方程求解难的问题,提出一种基于马尔可夫过程的公式法,该公式使得状态可靠性分析不再通过繁琐的拉普拉斯变换或者C-K（Chapman-Kolmogorov）方程进行求解,通过计算结果证实,该方法与拉普拉斯变换方法得出的结果一致。（4）针对自律机设备可靠性分析中忽视自律机切换单元故障以及没有考虑修理工的问题,提出了一种扩展的马尔可夫过程方法,该方法通过引进补充变量法,使得马尔可夫过程依然可以对修理工休假时间和维修时间服从一般分布的自律机系统进行可靠性建模分析。通过分析发现,修理工的休假时间对可靠性影响较大,因此在成本一定的情况下,应合理安排修理工的休假时间。（5）针对自律机软件测试过程中发现的软件故障检测率不规则的问题,通过引进不规则模型参数,提出一种改进的非齐次泊松过程（Non-Homogeneous Poisson Process,NHPP）类的软件可靠性分析模型,并将该模型运用到自律机软件测试中。依据测试故障数据。计算出当测试天数为45天时可以达到规定条件下的可靠性要求。（6）作为一个“人-机”交互系统,对于调度员进行可靠性建模分析不可或缺。考虑到认知可靠性与失误分析法（Cognitive Reliability and Error Analysis Method,CREAM）易于操作分析,因此在CREAM基本法的基础提出一种改进方法。该方法使得CREAM法对人误操作概率的推算不再是个区间值,将该方法用以调度员的人误概率计算,并以“CTC控制模式转化”和“列控临时限速”为例进行了实际应用分析。（7）针对目前缺乏面向系统层面可靠性综合评估的问题,提出一种基于群决策和区间二元语义的评估方法。群决策方法降低了专家主观评价系统可靠性带来的主观性。采用区间二元语义作为系统评估的语言,降低了系统可靠性评估过程出现的信息丢失问题,提高了评估结果的可信度。
金建强[7]（2020）在《基于人因可靠性分析的高速铁路ATO车载子系统培训方法研究》文中指出我国高速铁路列车自动运行（Automatic Train Operation,ATO）系统正在快速发展,随着设备智能化程度的提升,人因失误已经成为导致人-机系统失效的主要原因。在系统投入使用的初期,研究有效的培训方法用以解决人因失误问题,符合安全苛求系统全周期的要求,具有重要意义。本文以高速铁路ATO车载子系统人因可靠性分析（Human Reliability Analysis,HRA）方法作为理论依据,对培训内容涉及的案例有效性和序列优化进行研究,以人因失误概率为导向生成培训序列。主要完成以下工作:（1）提出了基于有色Petri网（Colored Petri Net,CPN）和事故致因模型的培训案例生成方法。通过分析高速铁路ATO场景的特点及其之间的关系,并根据事故致因模型机理,以人的行为和系统状态分别作为CPN的变迁和库所,建立ATO场景的模型;然后将模型转化成状态空间图,经过主路径搜索算法和路径拆分算法得到培训案例。（2）设计了基于混合因果模型的人因可靠性分析方法。首先建立三层混合因果模型辨识人的行为基本单元、认知失效模式（Cognition Failure Mode,CFM）、行为形成因子;然后进行人因失误概率的量化推理,采用D-S证据理论解决专家意见融合的问题,应用模糊推理解决数据组合爆炸的问题,通过成功似然指数法得到典型CFM的人因失误概率,最终通过HRA事件树获得培训案例的人因失误概率。（3）研究了基于改进遗传算法的培训序列优化方法。通过覆盖度、冗余度、序列均衡性三个约束条件定义联合优化目标函数;通过遗传算法增加个体更新步骤保证序列有效性,设计交叉操作避免在决策点过多出现不适应基因型,终止演化的最优个体经解码即为所需培训序列集。（4）生成了高速铁路ATO车载子系统的培训案例和序列,并完成了培训平台的架构设计和部分实现。针对ATO系统,共生成36个培训案例,并计算出每个培训案例的人因失效概率;在此基础上应用序列优化方法生成10条培训序列,并进行优化前后序列对比;最后完成了高速铁路ATO系统车载子系统培训平台的架构设计和部分培训序列的可视化运行。图77幅,表24个,参考文献84篇。
王新栋[8]（2020）在《面向人机协同的地铁行车调度模型研究》文中指出全自动运行系统（Full Automatic Operation,FAO）的应用使得列车无人驾驶成为现实,这无疑给城市轨道交通的发展带来质的飞跃。列车无人驾驶技术虽解放了地铁司机却又赋予调度人员和系统设备新的职责与功能,调度人员远程监控作业取代了司机对列车的直接操纵,系统设备的功能和结构得到加强与变化。然而,人机功能的转移与分配使得调度人员在遭遇突发状况时任务量突增引发的处置时间压力增加以及高时间压力下未及时有效地获取准确信息或操作步骤繁复而引起的处置迟缓效应愈加凸显。本文以城市轨道交通行车调度系统为研究对象,以调度人员为切入点,采用工作分解结构法、人类信息加工模型、多元资源理论、贝叶斯网络以及证据理论等模型和方法从人员认知操作角度研究FAO系统下调度人员的任务优化和人机交互过程的可认知绩效下降问题。提出调度人员突发状况和正常状况下的并发性和优先级操作规则以优化调度任务流程;提出运营公司应完善调度人员操作章程、优化工作任务流程和增加岗位人员配置,系统设计厂商应对人机界面布局和显示内容进行优化以及加强对报警信息的筛选性和准确性等策略来改善调度人员在人机交互过程中的可认知绩效下降问题。最后,结合对考虑任务序列的FAO系统行车调度模型的分析与思考,提出地铁行车调度系统最根本的优化策略为提高系统设备故障后的自我恢复能力,这样才能真正弱化调度人员的功能和作用,实现列车全周期全状态的全自动运行。论文的主要创新点如下:（1）以任务序列为切入点和推动点,构建了CBTC系统和FAO系统下的地铁行车调度模型,分析了系统升级下行车调度系统面临的问题并进一步引出本文的研究重点。（2）采用工作分解结构法对调度人员的基本任务和突发事件任务进行分解,建立了基本任务和突发事件任务模块库。对模块库中的任务模块沿着一般维度分解,构建了基于认知活动的调度任务,结合多元资源理论搭建了突发状况和正常状况下认知资源分配模型,并进一步提出了调度人员突发状况和正常状况下的并发性和优先级操作规则,以优化调度任务流程。（3）采用人类信息加工理论结合调度人员的工作任务特点,建立了基于信息加工的地铁调度人员认知处理模型,并以此对调度人员失误行为进行辨识。通过m-SHEL方法结合调度人员认知处理模型构建了调度系统诱发因素交互模型,辨识了五类交互过程产生的失误诱发因素。（4）提出一种模型简化的调度系统人机交互过程可靠性量化评估方法,采用贝叶斯网络理论结合调度人员失误行为和失误诱发因素的辨识结果构建了信息感知、信息判断与决策、信息响应与执行3阶段的调度系统人机交互贝叶斯网络模型,综合运用证据理论和节点约简算法对模型进行了优化,并以“地铁调度人员错误识别报警信息”故障模式为例进行了实际应用分析并提出改善策略。
牛国成[9]（2020）在《流程工业复杂生产系统可靠性评估方法研究》文中指出复杂流程工业系统由多机电设备和多生产工艺环节组成,是连续性且工艺逻辑依存的生产和制造过程。为实现全面评估复杂流程工业系统可靠性状况,及时发现运行系统中隐藏的问题,确切了解系统的运行状态,准确分析出解决问题的最佳方案是系统可靠性研究的主要技术问题。本文从信息可靠性处理、故障状态诊断、单设备的可靠性判定、多设备复杂系统实时可靠性分析、线下的健康状态定量分析与预测以及可靠性研究方案、方法的效率评估展开研究。1.为实现流程工业信息的可靠性处理,提出一种组合模态分解结合奇异值分解的算法（ECMD-SVD）的特征提取方法。首先采用组合模态分解算法分解原始信号,依据相关系数和峭度的粗细选规则确定固有模态函数IMF并重构信号;其次由重构信号构建hankle矩阵,进行SVD分解,运用奇异值最大差分谱确定重构信号有效阶次并重构信号;最后,对经双重降噪的重构信号包络分析实现信号特征提取。本算法应用在滚动轴承故障振动信号的特征提取中,实验结果表明本算法用于特征提取时效果良好。2.在ECMD-SVD特征提取可靠性信息的基础上,提出故障多尺度散布熵表征下的参数寻优支持向量机（MDE-SVM）和混合高斯连续隐马尔可夫模型（MDE-GMM-CHHM）的故障诊断方法。以经ECMD-SVD滤波的轴承多种故障振动信号重构信号多尺度散布熵作为特征向量,建立了多种优化方法的MDE-SVM最佳分类模型,模型分类效果良好,并验证了ECMD-SVD信号特征提取方法的科学性。建立MDE-GMM-CHHM模型,设计前向概率标定法和最大似然概率对比法实现滚动轴承多故障的精确诊断。3.为定量分析多设备复杂系统实时可靠性,提出了综合考虑产品、效率、设备、能耗和损耗等因素为一体的复杂系统运行状态的健康度评估指标体系。利用相关信息熵定量分析复杂系统实时健康度,即研究了评估参量的选取、关联规则的挖掘和属性量化的方法,设计运用可靠度、互信息熵和行为模式组合表示系统健康度的方案。通过实例进行方法设计、结果分析和效果验证。4.为定量评估和预测单一设备和复杂系统的健康度,提出一种将层次分析法、物元信息熵与组合赋权法综合用于生产系统健康度定量评估的方案。研究了单设备和复杂系统物元信息熵建立方法、主客观权重和联合权重的确定及基于复合物元关联熵定量计算健康度,并将其用于电力变压器和啤酒灌装生产线的健康度评估。建立了参数寻优支持向量机（SVM）和最小二乘支持向量机（LSSVM）的健康度最佳预测模型,实现对变压器和啤酒灌装生产线健康度的预测。5.针对可靠性分析方案准确性和效率评价问题。提出了将meta分析方法应用于6.机电设备可靠性建模方法的效率评价中,在充分研究了meta分析模型建立的方法、异质性判断、累积效应量的合并和研究结果的综合分析与评价基础上,设计了利用meta分析对数据驱动方法、物理失效模型方法及两者相结合方法在同类机电设备性能退化的建模效果分析。并运用网状meta分析法分析多种数据驱动方法在同一机电设备寿命预测上的应用效果评价。
褚易凡[10]（2020）在《基于FMECA城轨列车转向架的可靠性分析》文中提出转向架是城轨列车的重要组成系统,随着列车运行里程增加,列车在行驶中可能出现疲劳强度不足、零部件磨损、断裂等一系列故障问题,影响着列车整体安全。为了提高列车可靠性,本文引入FMECA（Failure Mode Effects and Criticality Analysis）的故障预测分析方法,对某A型转向架故障信息进行数据处理,确定出关键零部件并提出改进措施,本文主要研究工作如下:（1）对某A型转向架进行定义,确定出零部件系统框图,利用采集到的数据进行FMEA分析,通过FMEA分析表确定转向架系统所有故障模式进行CA危害性分析,计算出零部件故障模式风险优先系数,初步确定主要故障模式。（2）利用FMECA分析与模糊层次分析相结合的方法,对系统所有故障模式进行评判,计算出系统权重占比,对子系统零部件展开一级和二级模糊评判,计算出零部件风险等级大小并且进行排序。（3）以故障间隔里程为决策变量,应用经验分布方法确定数据分组,运用Python语言对数据进行处理,计算出某A型转向架的分布类型、故障率、概率密度及可靠度,确定出子系统不可靠度,结合模糊FMECA得出的风险等级进一步确定零部件关键度大小。（4）针对零部件故障模式对某A型转向架进行动力学分析,利用Solid Works建立转向架3D模型,导入Ansys Workbench对转向架进行有限元分析,确定出危险区域,并结合零部件关键度大小最终确定关键故障模式,对关键零部件提出对应的改进措施。本文应用FMECA分析、模糊层次分析方法找出关键的故障模式,利用python语言高效进行数据处理计算关键度,运用Solid Works、Ansys进行动力学分析,按照确定出系统关键零部件可能发生的故障模式为分析路线,多角度进行可靠性分析并为关键零部件制定改进措施提供依据。
二、人机系统事故概率与发生频率的可靠性分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、人机系统事故概率与发生频率的可靠性分析（论文提纲范文）
（1）SPAR-H方法行为形成因子相关性分析及改进研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究内容和方法 |
| 1.3 研究意义 |
| 1.4 论文结构 |
| 1.5 技术路线 |
| 第2章 文献综述 |
| 2.1 HRA方法中的PSFs |
| 2.1.1 THERP中的PSFs |
| 2.1.2 SLIM中的PSFs |
| 2.1.3 HEART中的PSFs |
| 2.1.4 CREAM中的PSFs |
| 2.1.5 ATHEANA中的PSFs |
| 2.1.6 IDAC中的PSFs |
| 2.1.7 SPAR-H中的PSFs |
| 2.2 不同领域PSFs研究 |
| 2.2.1 核电 |
| 2.2.2 航空航天 |
| 2.2.3 石油矿井 |
| 2.2.4 铁路 |
| 2.2.5 海运 |
| 2.2.6 机电自动化生产 |
| 2.2.7 医疗 |
| 2.3 本章小结 |
| 第3章 PSFs分类理论 |
| 3.1 人员行为模型 |
| 3.2 用户特征 |
| 3.3 PSFs分类的基础理论 |
| 3.3.1 结构理论 |
| 3.3.2 过程理论 |
| 3.4 讨论 |
| 3.5 本章小结 |
| 第4章 SPAR-H PSFs体系相关性辨识—基于事件报告分析 |
| 4.1 行为形成因子统计 |
| 4.2 行为形成因子相关性分析 |
| 4.2.1 关联规则分析 |
| 4.2.2 关联规则分析结果 |
| 4.2.3 探索性因子分析 |
| 4.2.4 探索性因子分析结果 |
| 4.2.5 皮尔森相关分析 |
| 4.2.6 皮尔森相关分析结果 |
| 4.3 本章小结与讨论 |
| 4.3.1 小结 |
| 4.3.2 讨论 |
| 第5章 核电厂数字化主控室操纵员界面管理任务特征研究 |
| 5.1 界面管理任务 |
| 5.1.1 界面管理任务与主任务的关系 |
| 5.1.2 与界面管理任务有关的关键行为 |
| 5.2 实验 |
| 5.2.1 实验方案 |
| 5.2.2 实验结果与分析 |
| 5.3 界面管理任务复杂度 |
| 5.4 本章小结 |
| 第6章 SPAR-H PSFs体系的改进 |
| 6.1 PSFs改进的方面 |
| 6.2 “问题”PSFs的辨识—基于文献研究 |
| 6.3 “问题”PSFs的改进 |
| 6.3.1 复杂度 |
| 6.3.2 压力 |
| 6.3.3 工作过程 |
| 6.3.4 职责适宜 |
| 6.3.5 经验/培训 |
| 6.3.6 可用时间 |
| 6.3.7 规程 |
| 6.3.8 人因工程/人机界面 |
| 6.4 改进后的PSFs体系 |
| 6.5 案例分析 |
| 6.5.1 案例描述 |
| 6.5.2 案例分析结果 |
| 6.5.3 结果检验 |
| 6.5.3.1 肯德尔协同系数W检验 |
| 6.5.3.2 配对样本t检验 |
| 6.6 本章小结 |
| 第7章 PSFs因果关系模型 |
| 7.1 系统动力学简介 |
| 7.1.1 系统动力学概念 |
| 7.1.2 变量与方程 |
| 7.1.3 流图 |
| 7.1.4 系统动力学研究问题的方法和步骤 |
| 7.1.5 系统动力学模拟软件—Vensim |
| 7.2 PSFs因果关系模型 |
| 7.2.1 模型系统界限 |
| 7.2.2 模型的结构 |
| 7.2.3 模型定量函数关系式 |
| 7.2.3.1 互信息 |
| 7.2.3.2 层次分析法 |
| 7.2.3.3 PSFs函数表达式 |
| 7.3 PSFs因果关系模型模拟和验证 |
| 7.3.1 模型模拟 |
| 7.3.2 模型验证 |
| 7.4 本章小结 |
| 第8章 结论与展望 |
| 8.1 研究结果 |
| 8.2 创新与贡献 |
| 8.3 研究局限 |
| 8.4 研究展望 |
| 参考文献 |
| 附录 |
| 附录 A核电厂事件报告中PSFs统计 |
| 附录 B PSFs间互信息计算 |
| 附录 C PSFs指标因素权重调查问卷 |
| 附录 D系统动力学模型模拟NUREG/CR-6883报告中三个事件的HEPs |
| 附录 E系统动力学模型模拟HEPs最大值和最小值 |
| 附录 F系统动力学模型灵敏度分析结果 |
| 在学期间发表的学术论文 |
| 在学期间参与的科研项目 |
| 在学期间做的学术会议报告 |
| 致谢 |
（2）基于改进CREAM的城市轨道交通事故人因分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 人因可靠性分析研究现状 |
| 1.2.2 城市轨道交通人因可靠性研究现状 |
| 1.3 研究内容 |
| 1.4 研究思路 |
| 2 城市轨道交通人因事故分析理论基础 |
| 2.1 城市轨道交通人因事故的形成和发生 |
| 2.2 人因可靠性分析理论基础 |
| 2.2.1 现行主要HRA方法评价及其比较 |
| 2.2.2 传统CREAM的基本法和扩展法 |
| 2.2.3 传统CREAM方法的不足 |
| 3 基于CREAM的城市轨道交通人因事故根原因追溯分析 |
| 3.1 CREAM根原因追溯分析 |
| 3.1.1 追溯分析框架 |
| 3.1.2 城市轨道交通系统人因失误追溯表 |
| 3.2 城市轨道交通人因事故追溯分析案例 |
| 4 传统CREAM的改进 |
| 4.1 改进方法理论基础 |
| 4.1.1 模糊逻辑 |
| 4.1.2 证据推理 |
| 4.1.3 贝叶斯网络 |
| 4.1.4 层次分析法 |
| 4.2 CREAM基本法的改进 |
| 4.2.1 CPC因子评估因素的细化及其模糊化 |
| 4.2.2 建立模糊规则库 |
| 4.2.3 CPC因子之间的相互影响性 |
| 4.2.4 置信度计算 |
| 4.2.5 基于贝叶斯网络的证据推理 |
| 4.2.6 人因失误概率计算 |
| 4.3 CREAM扩展法的改进 |
| 4.3.1 环境影响效应 |
| 4.3.2 人因失误概率 |
| 5 改进CREAM定量分析预测在城市轨道交通系统中的应用 |
| 5.1 改进CREAM基本法的应用 |
| 5.1.1 情景描述 |
| 5.1.2 CPC因子模糊化 |
| 5.1.3 置信度计算 |
| 5.1.4 班组成员人误概率 |
| 5.2 改进CREAM拓展法的应用 |
| 5.3 提高城市轨道交通人因可靠性措施 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（3）高铁列控车载设备可靠性评估及维修决策方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 问题的提出 |
| 1.2.1 高铁列控车载设备可靠性分析问题 |
| 1.2.2 高铁列控车载设备可靠性分析的主要途径 |
| 1.2.3 高铁列控车载设备可靠性分析内容 |
| 1.3 关键技术研究现状 |
| 1.3.1 数据建模及数据分析研究现状 |
| 1.3.2 故障特性分析及风险评估研究现状 |
| 1.3.3 系统可靠性评估研究现状 |
| 1.3.4 维护维修决策研究现状 |
| 1.3.5 存在的问题 |
| 1.4 论文研究思路与组织结构 |
| 1.4.1 论文研究思路 |
| 1.4.2 论文组织结构 |
| 2 面向高铁列控车载设备复杂数据建模与分析 |
| 2.1 高铁列控车载设备数据特性分析 |
| 2.2 高铁列控车载设备数据建模 |
| 2.2.1 高铁列控车载设备运行数据模型 |
| 2.2.2 高铁列控车载设备数据立方体 |
| 2.3 高铁列控车载设备运行数据模型实现 |
| 2.3.1 数据存储平台及数据预处理技术 |
| 2.3.2 基于数据立方体的高铁列控车载设备故障数据模型实现 |
| 2.4 高铁列控车载设备故障分布特性分析 |
| 2.4.1 高铁列控车载设备故障时间分布特性 |
| 2.4.2 高铁列控车载设备故障空间分布特性 |
| 2.4.3 高铁列控车载设备故障空间-时间分布特性 |
| 2.5 本章小结 |
| 3 基于灰色关联度-理想点法的设备故障风险评估 |
| 3.1 故障风险评估概念及评估体系建立 |
| 3.2 高铁列控车载设备故障相关影响度 |
| 3.2.1 故障传递有向图模型 |
| 3.2.2 基于Pagerank算法的故障相关性计算 |
| 3.3 高铁列控车载设备故障发生度 |
| 3.4 高铁列控车载设备故障严重度 |
| 3.5 基于灰色关联度-TOPSIS法的故障风险评估方法 |
| 3.5.1 灰色关联度方法 |
| 3.5.2 理想点方法 |
| 3.5.3 高铁列控车载设备故障风险评估 |
| 3.6 本章小结 |
| 4 基于贝叶斯估计的高铁列控车载设备可靠性评估方法 |
| 4.1 可靠性定义及度量指标 |
| 4.2 高铁列控车载设备故障时间数据及分布 |
| 4.2.1 高铁列控车载设备故障间隔数据获取 |
| 4.2.2 指数分布与威布尔分布 |
| 4.3 基于贝叶斯估计的高铁列控车载设备可靠性评估 |
| 4.3.1 贝叶斯估计理论 |
| 4.3.2 马尔科夫链蒙特卡洛方法(MCMC) |
| 4.3.3 收敛性分析 |
| 4.3.4 拟合优度检验 |
| 4.3.5 算例分析 |
| 4.4 考虑系统差异性的高铁列控车载设备可靠性评估 |
| 4.4.1 贝叶斯层次模型定义 |
| 4.4.2 威布尔分布的贝叶斯层次模型 |
| 4.4.3 算例分析 |
| 4.5 本章小结 |
| 5 可靠性约束下高铁列控车载设备维修决策 |
| 5.1 高铁列控车载设备维修方式及适用性 |
| 5.2 维修活动与可靠性的关系 |
| 5.3 以可靠性为约束的维修费用最优模型 |
| 5.3.1 定期预防性维修的维修费用最优模型 |
| 5.3.2 顺序预防性维修的维修费用最优模型 |
| 5.4 量子遗传优化算法 |
| 5.4.1 种群初始化 |
| 5.4.2 量子位测量 |
| 5.4.3 适应度函数计算 |
| 5.4.4 量子旋转门更新 |
| 5.4.5 量子变异更新 |
| 5.4.6 量子遗传优化算法执行流程 |
| 5.5 算例分析 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 论文研究工作总结 |
| 6.2 论文创新点总结 |
| 6.3 未来研究工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）地铁列车信号系统关键设备可靠性分析及维保策略优化（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 信号系统可靠性研究现状 |
| 1.2.2 信号系统维修策略研究现状 |
| 1.3 本文研究内容及章节安排 |
| 2 地铁信号系统服役能力数据分析与可视化 |
| 2.1 地铁信号系统概述 |
| 2.1.1 列车运行自动控制系统 |
| 2.1.2 车载信号设备 |
| 2.1.3 轨旁信号设备 |
| 2.2 信号系统故障数据统计分析 |
| 2.2.1 大数据分析流程 |
| 2.2.2 A线路信号系统故障数据分析 |
| 2.2.3 B线路信号系统故障数据分析 |
| 2.2.4 C线路信号系统故障数据分析 |
| 2.3 本章小结 |
| 3 车载信号系统可靠性评估 |
| 3.1 故障模式影响及危害度分析概述 |
| 3.2 车载ATP/ATO系统FMECA分析 |
| 3.2.1 故障等级划分 |
| 3.2.2 模式故障率m的计算 |
| 3.2.3 严酷度和故障影响概率 |
| 3.2.4 故障模式危害度 |
| 3.2.5 危害度矩阵输出与FMECA建表 |
| 3.3 可靠性特征量估计值的计算 |
| 3.4 本章小结 |
| 4 地铁车载信号系统可靠性分析 |
| 4.1 故障树分析概述 |
| 4.1.1 基本概念和分析流程 |
| 4.1.2 定性分析 |
| 4.1.3 定量分析 |
| 4.2 故障树案例分析 |
| 4.2.1 A型车故障树分析 |
| 4.2.2 B型车故障树分析 |
| 4.2.3 C型车故障树分析 |
| 4.3 车载信号系统贝叶斯网络分析 |
| 4.3.1 贝叶斯理论基础 |
| 4.3.2 贝叶斯网络推理和学习 |
| 4.3.3 基于故障树的贝叶斯网络分析 |
| 4.3.4 车载信号系统贝叶斯网路推理 |
| 4.4 本章小结 |
| 5 地面信号系统可靠性分析 |
| 5.1 地面信号系统大数据分析 |
| 5.2 地面信号系统故障树分析 |
| 5.3 蒙特卡洛方法分析地面信号系统可靠度 |
| 5.3.1 蒙特卡洛方法概述 |
| 5.3.2 蒙特卡洛模拟步骤 |
| 5.3.3 故障树-蒙特卡洛模拟方法 |
| 5.4 列车信号系统可靠性指标计算 |
| 5.5 本章小结 |
| 6 信号系统维保策略建模优化 |
| 6.1 信号设备维修现状及分析软件简介 |
| 6.1.1 信号系统维修章程 |
| 6.1.2 本文所用分析软件简介 |
| 6.2 CBM模型搭建 |
| 6.2.1 比例风险模型 |
| 6.2.2 转移概率模型 |
| 6.2.3 失效时间的条件分布 |
| 6.2.4 成本决策模型 |
| 6.3 案例分析 |
| 6.3.1 数据转换和预处理 |
| 6.3.2 建模优化 |
| 6.4 本章小结 |
| 7 结论 |
| 7.1 工作总结 |
| 7.2 创新点 |
| 7.3 未来展望 |
| 参考文献 |
| 附录A 地铁列车信号系统运营维保及管理框架总结 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于列车数据分析的故障预警技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 特征提取技术研究现状 |
| 1.2.2 故障诊断技术研究现状 |
| 1.2.3 安全可靠性方法研究现状 |
| 1.3 论文主要内容及结构安排 |
| 第二章 故障预警关键技术分析 |
| 2.1 车载设备结构及功能 |
| 2.2 故障文本数据介绍 |
| 2.3 故障诊断方法分析 |
| 2.3.1 文本挖掘技术分析 |
| 2.3.2 故障诊断模型分析 |
| 2.4 安全可靠性方法分析 |
| 2.4.1 可靠性数据分析 |
| 2.4.2 故障树与贝叶斯基本原理 |
| 2.4.3 故障模式影响及危害性方法分析 |
| 2.4.4 系统综合评估方法研究 |
| 本章小结 |
| 第三章 文本故障诊断模型的建立与仿真 |
| 3.1 故障数据特征提取 |
| 3.1.1 基于TF-IDF的故障特征提取 |
| 3.1.2 故障特征的属性约简 |
| 3.1.3 不平衡数据的特征提取方法 |
| 3.2 模型建立与仿真 |
| 3.2.1 BP神经网络模型 |
| 3.2.2 模型仿真 |
| 本章小结 |
| 第四章 列控车载子系统可靠性分析与评估 |
| 4.1 基于贝叶斯网络的车载子系统可靠性分析 |
| 4.1.1 系统故障致因模型 |
| 4.1.2 FTA向BN的转化 |
| 4.1.3 系统薄弱环节分析 |
| 4.2 基于FMECA的车载子系统可靠性分析 |
| 4.2.1 系统风险分析模型 |
| 4.2.2 改进系统风险评估 |
| 4.3 基于AHP的基本单元权重确立 |
| 4.3.1 层次分析法模型 |
| 4.3.2 基本单元权重确立 |
| 4.4 车载系统故障预警综合分析 |
| 4.4.1 设备故障预测 |
| 4.4.2 综合预警评估 |
| 4.4.3 维修策略分析 |
| 本章小结 |
| 第五章 车载设备安全分析预警系统 |
| 5.1 系统软件方案与功能设计 |
| 5.1.1 系统设计原则 |
| 5.1.2 软件功能设计 |
| 5.2 故障预警系统功能实现 |
| 5.2.1 系统管理模块 |
| 5.2.2 系统主界面 |
| 5.2.3 故障数据查询界面 |
| 5.2.4 故障诊断模块 |
| 5.2.5 系统预警模块 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 附录 系统软件部分设计类图 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（6）高速铁路行车调度系统可靠性评估方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 依托课题 |
| 1.1.2 研究背景 |
| 1.1.3 研究意义 |
| 1.2 相关定义 |
| 1.2.1 系统 |
| 1.2.2 系统可靠性 |
| 1.3 国内外研究现状 |
| 1.3.1 硬件可靠性 |
| 1.3.2 软件可靠性 |
| 1.3.3 人因可靠性 |
| 1.3.4 整体系统可靠性 |
| 1.3.5 高速铁路行车调度系统可靠性 |
| 1.3.6 既有研究现状评述 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.5 本章小结 |
| 2 高速铁路行车调度系统结构与作用 |
| 2.1 高速铁路行车调度系统概述 |
| 2.1.1 高速铁路行车调度系统岗位设置 |
| 2.1.2 高速铁路行车调度系统内部设备 |
| 2.1.3 高速铁路行车调度系统相关设备 |
| 2.1.4 高速铁路行车调度系统功能 |
| 2.2 高速铁路行车调度系统信息交互 |
| 2.3 高速铁路行车调度系统地位分析 |
| 2.3.1 复杂网络理论基本原理 |
| 2.3.2 高速铁路行车调度拓扑结构的构建 |
| 2.3.3 节点和边的重要度排序 |
| 2.4 本章小结 |
| 3 高速铁路行车调度系统故障数据分析 |
| 3.1 故障数据预处理 |
| 3.2 故障关键词提取 |
| 3.2.1 TF-IDF算法 |
| 3.2.2 平均信息熵 |
| 3.2.3 Text-Rank算法 |
| 3.3 隐含狄利克雷模型 |
| 3.3.1 隐含狄利克雷分布 |
| 3.3.2 参数估计 |
| 3.3.3 确定主题个数K |
| 3.4 故障数据分析 |
| 3.5 本章小结 |
| 4 高速铁路行车调度系统设备可靠性评估 |
| 4.1 车站自律机 |
| 4.2 自律机硬件系统可靠性分析 |
| 4.2.1 硬件可靠性相关指标 |
| 4.2.2 硬件可靠性建模数学基础 |
| 4.2.3 不考虑故障修复下硬件可靠性研究 |
| 4.2.4 考虑故障修复下硬件可靠性研究 |
| 4.3 自律机软件系统靠性分析 |
| 4.3.1 软件可靠性相关定义 |
| 4.3.2 软件可靠性建模数学基础 |
| 4.3.3 经典NHPP软件可靠性模型 |
| 4.3.4 改进NHPP软件可靠性模型 |
| 4.3.5 自律机软件可靠性测试 |
| 4.4 本章小结 |
| 5 基于CREAM的行车调度人员可靠性分析 |
| 5.1 人因可靠性基础理论 |
| 5.1.1 人因失误相关概念 |
| 5.1.2 人因可靠性分析基本方法 |
| 5.2 基于改进CREAM法的人因可靠性评估 |
| 5.2.1 CREAM法理论 |
| 5.2.2 CPC因子的评估细则 |
| 5.2.3 CPC隶属函数的建立 |
| 5.2.4 CPC因子权重确定 |
| 5.2.5 计算人误概率HEP |
| 5.3 高速铁路行车调度人员可靠性评估 |
| 5.3.1 高速铁路行车调度人员工作场景 |
| 5.3.2 CPC评分值的计算 |
| 5.3.3 模型的合理性分析与验证 |
| 5.4 本章小结 |
| 6 基于群决策的系统可靠性综合评估 |
| 6.1 二元语义基本理论 |
| 6.1.1 二元语义 |
| 6.1.2 区间二元语义 |
| 6.2 群决策评估方法 |
| 6.2.1 群决策在可靠性评估的应用 |
| 6.2.2 指标权重和专家权重的确定 |
| 6.3 综合平均模型的构建 |
| 6.3.1 雷达图综合模型 |
| 6.3.2 系统可靠性评估 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 主要研究工作 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 A |
| 附录 B |
| 作者简历及攻读博士学位期间取得的科研成果 |
| 学位论文数据集 |
（7）基于人因可靠性分析的高速铁路ATO车载子系统培训方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 铁路领域人因可靠性分析研究现状 |
| 1.2.2 列控系统中案例生成与序列优化研究现状 |
| 1.3 论文主要工作与结构 |
| 1.3.1 论文主要工作 |
| 1.3.2 论文结构 |
| 2 相关理论及方法 |
| 2.1 有色Petri网 |
| 2.1.1 有色Petri网及其属性 |
| 2.1.2 有色Petri网的建模方法 |
| 2.1.3 CPN Tools工具 |
| 2.2 混合因果模型 |
| 2.2.1 事件树理论 |
| 2.2.2 贝叶斯网络 |
| 2.2.3 认知行为模型 |
| 2.3 遗传算法 |
| 2.4 本章小结 |
| 3 高铁ATO车载子系统培训案例生成方法 |
| 3.1 高速铁路ATO系统概述 |
| 3.1.1 系统结构与功能概述 |
| 3.1.2 场景功能与人机交互概述 |
| 3.2 运营场景人机交互流程CPN建模 |
| 3.2.1 层次CPN选用原因 |
| 3.2.2 依据场景连接的CPN顶层模型 |
| 3.2.3 顶层模型的细化 |
| 3.2.4 模型的动态属性分析 |
| 3.3 培训案例生成 |
| 3.3.1 培训案例定义与约束 |
| 3.3.2 依据状态空间图的培训案例生成 |
| 3.4 本章小结 |
| 4 高铁ATO车载子系统人因可靠性分析方法 |
| 4.1 基于混合因果模型的HRA方法提出 |
| 4.2 HRA方法层次设计 |
| 4.2.1 人员目标行为层模型 |
| 4.2.2 认知失效模式层模型 |
| 4.2.3 行为形成因子层模型 |
| 4.3 HRA方法量化分析 |
| 4.3.1 根节点概率分配方法 |
| 4.3.2 中间节点条件概率分配方法 |
| 4.3.3 失效模式人误率预测 |
| 4.3.4 基于事件树的案例人误率预测 |
| 4.3.5 设计方法合理性验证 |
| 4.4 本章小结 |
| 5 高铁ATO车载子系统培训序列优化方法 |
| 5.1 序列定义与要求 |
| 5.2 序列优化问题的目标函数 |
| 5.3 培训序列的优化生成算法 |
| 5.3.1 遗传算法用于培训序列优化生成策略 |
| 5.3.2 关于解的分析 |
| 5.4 本章小结 |
| 6 应用与分析 |
| 6.1 培训案例生成 |
| 6.1.1 路径生成与搜索 |
| 6.1.2 培训案例合集与完备性验证 |
| 6.2 驾驶员人误率量化分析 |
| 6.2.1 层次任务分析法分析与事件树的构建 |
| 6.2.2 认知失效模式贝叶斯网络构建 |
| 6.2.3 贝叶斯网络概率推理 |
| 6.2.4 培训案例人误率计算 |
| 6.3 培训序列优化 |
| 6.3.1 基础定义与数据准备 |
| 6.3.2 遗传算法应用 |
| 6.3.3 结果与分析 |
| 6.4 培训序列运行平台 |
| 6.4.1 培训平台架构设计 |
| 6.4.2 培训平台实现 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（8）面向人机协同的地铁行车调度模型研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 城轨列控系统发展现状 |
| 1.2.2 人机系统可靠性研究现状 |
| 1.2.3 调度系统人机分析方法研究现状 |
| 1.3 论文研究内容与篇章结构 |
| 2 系统升级下的人机功能分配与行车调度模型的构建 |
| 2.1 FAO系统与传统CBTC系统概述 |
| 2.1.1 系统简介 |
| 2.1.2 系统特点与应用 |
| 2.2 系统升级引发的组织架构与人员职责变化 |
| 2.2.1 不同列控系统下的组织架构变化 |
| 2.2.2 行车组织人员的职责再分配 |
| 2.2.3 FAO系统下的人员工作任务与特点 |
| 2.3 列车运营场景和系统设备的功能需求变化 |
| 2.3.1 运营场景的功能需求重新分配 |
| 2.3.2 系统设备的功能升级和配置变化 |
| 2.4 考虑任务序列的地铁行车调度模型的构建 |
| 2.4.1 CBTC系统下的地铁行车调度模型 |
| 2.4.2 FAO系统下的地铁行车调度模型 |
| 2.5 系统升级过程对调度系统的影响分析 |
| 2.6 本章小结 |
| 3 面向FAO系统的调度人员任务分析与优化 |
| 3.1 建立调度人员基本任务和突发事件任务模块库 |
| 3.1.1 工作分解结构理论 |
| 3.1.2 基于工作分解结构的调度任务分解 |
| 3.1.3 基本任务和突发事件任务模块库的构建 |
| 3.1.4 基于认知活动的调度任务分析 |
| 3.1.5 行车调度系统人员职责与认知活动的分配变化 |
| 3.2 地铁行车调度任务建模 |
| 3.2.1 人类信息处理理论 |
| 3.2.2 地铁调度人员认知处理过程分析 |
| 3.2.3 基于信息加工的地铁调度人员认知处理模型的构建 |
| 3.3 行车调度子任务优化 |
| 3.3.1 多元资源理论 |
| 3.3.2 调度人员认知资源分配分析 |
| 3.3.3 调度人员并发性和优先级操作规则的构建 |
| 3.4 本章小结 |
| 4 地铁行车调度系统人机交互过程的可靠性分析 |
| 4.1 调度人员失误行为辨识 |
| 4.2 基于M-SHEL的人机交互过程诱发因素辨识 |
| 4.3 调度系统人机交互可靠性案例分析 |
| 4.3.1 可靠性分析原理与方法 |
| 4.3.2 构建地铁调度系统人机交互贝叶斯网络 |
| 4.3.3 “地铁调度人员错误识别报警信息”故障模式案例分析 |
| 4.3.4 案例结果分析及改善策略 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 论文的主要工作与成果 |
| 5.2 下一步展望 |
| 参考文献 |
| 附录 A 地铁调度系统人机可靠性影响因素调度问卷 |
| 图索引 |
| 表索引 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）流程工业复杂生产系统可靠性评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究的目的和意义 |
| 1.1.1 选题背景 |
| 1.1.2 课题研究的目的和意义 |
| 1.2 流程工业系统可靠性研究的国内外现状 |
| 1.2.1 工业系统故障诊断研究现状 |
| 1.2.2 复杂系统健康度定量分析研究现状 |
| 1.2.3 可靠性研究效率评估研究现状 |
| 1.3 论文的主要内容 |
| 第2章 基于ECMD-SVD特征提取方法研究 |
| 2.1 模态分解算法 |
| 2.1.1 EMD理论 |
| 2.1.2 EEMD理论 |
| 2.1.3 CEEMDAN理论 |
| 2.1.4 ECMD理论 |
| 2.2 SVD理论 |
| 2.2.1 SVD定义及性质 |
| 2.2.2 SVD信号处理原理 |
| 2.2.3 SVD分量选取 |
| 2.3 基于排列熵的ECMD-SVD特征提取方法研究 |
| 2.4 实验结果与分析 |
| 2.4.1 数据 |
| 2.4.2 实例分析与结果讨论 |
| 2.5 本章小结 |
| 第3章 基于SVM与CHMM的故障诊断方法研究 |
| 3.1 基于多尺度散布熵的故障特征提取 |
| 3.1.1 多尺度散布熵算法 |
| 3.1.2 MDE参数选择 |
| 3.1.3 基于多尺度散布熵的故障特征提取 |
| 3.2 基于MDE-SVM的机电设备故障诊断方法研究 |
| 3.2.1 SVM分类问题研究 |
| 3.2.2 基于SVM故障分类建模 |
| 3.3 高斯混合模型的连续隐马尔可夫故障诊断 |
| 3.3.1 连续隐马尔可夫模型 |
| 3.3.2 CHMM故障诊断 |
| 3.3.3 GMM-CHMM参数优化估计 |
| 3.3.4 CHMM预测算法 |
| 3.4 GMM-CHMM算法实现过程中的问题 |
| 3.4.1 模型初始参数估计 |
| 3.4.2 数据下溢问题 |
| 3.4.3 HMM缺失条件分布问题 |
| 3.5 MDE-GMM-CHMM故障诊断实验部分 |
| 3.5.1 基于MDE-GMM-CHMM的滚动轴承故障诊断 |
| 3.5.2 实例分析与结果讨论 |
| 3.6 本章小结 |
| 第4章 复杂生产系统健康度的定量分析与预测研究 |
| 4.1 相关信息熵定量分析复杂系统实时健康度 |
| 4.2 基于相关信息熵的复杂生产线实时健康度实例分析 |
| 4.2.1 属性选取 |
| 4.2.2 模式图构建与评估精度选取 |
| 4.2.3 关联规则及最小置信度 |
| 4.2.4 评估属性量化方法 |
| 4.3 基于物元信息熵的系统健康度定量分析方法研究 |
| 4.3.1 基于AHP的主观权重 |
| 4.3.2 基于复合物元信息熵的客观权重 |
| 4.3.3 基于组合赋权法的复合物元联合权重 |
| 4.3.4 复合物元关联熵健康度的定量计算 |
| 4.4 单设备物元信息熵健康度实例分析 |
| 4.4.1 评价模型的建立 |
| 4.4.2 单设备健康度计算结果分析 |
| 4.5 复杂生产线物元信息熵健康度实例分析 |
| 4.5.1 评价模型的建立 |
| 4.5.2 复杂系统健康度的计算结果分析 |
| 4.6 健康度的预测方法 |
| 4.6.1 最小二乘支持向量机 |
| 4.6.2 LSSVM单设备健康度预测 |
| 4.6.3 复杂生产线健康度预测 |
| 4.7 本章小结 |
| 第五章 meta分析在可靠性分析效率评价中的应用 |
| 5.1 基于meta分析寿命预测模型评价方法 |
| 5.1.1 meta分析基本原理 |
| 5.1.2 网状meta分析基本原理 |
| 5.2 实验部分 |
| 5.2.1 数据驱动与物理失效模型寿命预测效果评价 |
| 5.2.2 基于网状meta分析的寿命预测效率评价 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论及创新点 |
| 6.1.1 全文结论 |
| 6.1.2 创新点 |
| 6.2 展望 |
| 参考文献 |
| 附录 A 相关程序代码 |
| 攻读博士学位期间取得的成果 |
| 致谢 |
（10）基于FMECA城轨列车转向架的可靠性分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外可靠性研究现状 |
| 1.2.1 FMECA研究现状 |
| 1.2.1.1 FMECA方法发展历程 |
| 1.2.1.2 FMECA研究现状 |
| 1.2.1.3 FMECA与模糊理论结合方法 |
| 1.2.2 动力学分析及结构改进研究现状 |
| 1.3 论文的技术路线与研究内容 |
| 1.3.1 技术路线 |
| 1.3.2 研究内容 |
| 1.4 本章小结 |
| 第二章 可靠性分析相关理论 |
| 2.1 转向架结构故障模式 |
| 2.1.1 转向架结构 |
| 2.1.2 转向架主要故障模式 |
| 2.2 FMECA分析方法 |
| 2.2.1 FMECA分析方法概念 |
| 2.2.2 FMEA定性分析 |
| 2.2.3 CA危害性分析 |
| 2.2.4 FMECA结合模糊层次分析法 |
| 2.2.4.1 层次分析法 |
| 2.2.4.2 层次分析法的基本原理 |
| 2.2.4.3 模糊层次分析法的步骤 |
| 2.3 数据分析理论 |
| 2.3.1 数据的初步处理 |
| 2.3.2 常用理论分布 |
| 2.3.3 确定关键零部件 |
| 2.4 本章小结 |
| 第三章 转向架实例分析 |
| 3.1 转向架FMECA分析 |
| 3.1.1 转向架系统FMEA分析 |
| 3.1.2 转向架系统CA危害性分析 |
| 3.1.3 模糊FMECA在转向架中的应用 |
| 3.1.3.1 轮对系统模糊FMECA决策模型的建立 |
| 3.1.3.2 转向架整体风险评定 |
| 3.2 转向架系统可靠度分析 |
| 3.2.1 子系统数据处理 |
| 3.2.1.1 轮对系统数据初步处理 |
| 3.2.1.2 其他子系统数据处理 |
| 3.2.2 子系统可靠度计算 |
| 3.3 转向架系统关键度分析 |
| 3.4 本章小结 |
| 第四章 转向架关键零部件结构改进 |
| 4.1 有限元分析前处理 |
| 4.1.1 几何模型建立 |
| 4.1.2 材料属性 |
| 4.1.3 网格划分 |
| 4.1.4 约束及荷载施加 |
| 4.2 求解分析结果 |
| 4.2.1 结构变形结果 |
| 4.2.2 结构应力结果 |
| 4.3 关键零部件改进措施 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的学术论文及科研工作 |
| 附录 A |
| 致谢 |
四、人机系统事故概率与发生频率的可靠性分析（论文参考文献）
- [1]SPAR-H方法行为形成因子相关性分析及改进研究[D]. 刘建桥. 南华大学, 2021(02)
- [2]基于改进CREAM的城市轨道交通事故人因分析[D]. 张文琳. 兰州交通大学, 2021(02)
- [3]高铁列控车载设备可靠性评估及维修决策方法研究[D]. 陈斌. 北京交通大学, 2020(03)
- [4]地铁列车信号系统关键设备可靠性分析及维保策略优化[D]. 潘潼. 北京交通大学, 2020(03)
- [5]基于列车数据分析的故障预警技术研究[D]. 张晓岚. 大连交通大学, 2020(06)
- [6]高速铁路行车调度系统可靠性评估方法研究[D]. 孙延浩. 中国铁道科学研究院, 2020(01)
- [7]基于人因可靠性分析的高速铁路ATO车载子系统培训方法研究[D]. 金建强. 北京交通大学, 2020(03)
- [8]面向人机协同的地铁行车调度模型研究[D]. 王新栋. 北京交通大学, 2020(03)
- [9]流程工业复杂生产系统可靠性评估方法研究[D]. 牛国成. 长春理工大学, 2020(01)
- [10]基于FMECA城轨列车转向架的可靠性分析[D]. 褚易凡. 青岛理工大学, 2020(02)