对于列车司机Agent自学习机制及行为安全评估策略-学位
最后更新时间:2024-02-05
作者:用户投稿本站原创
点赞:15542
浏览:62206
论文导读:
摘要:摘要:近年来,高速铁路及城市轨道交通的大规模建设,行车安全的重要量得到了各界学者的关注,成为探讨热点。发生行车事故的理由错综复杂,不仅有物的因素,也有列车司机、调度、管理人员等人的因素。综合国内外重大行车事故,经浅析都发现:由于各种设备和保障技术不断提升和改善,物的因素造成事故率已显著降低,人的因素越来越显著。在铁路及城市轨道交通系统的运营历程中,人作为直接参与和管理制约者,在不良工作状态和恶劣工作环境下是无法避开发生失误的,那么就会有事故发生或有着潜在风险。由此,人为因素是不可能消除的,如何有效制约和降低人为失误是至关重要的。所有参与人员中,列车司机作为列车的直接操作者所起的作用是十分突出的。本论文主要针对城市轨道交通人工系统中的列车司机进行探讨,采取Agent策略建模,建立了列车司机Agent的自学习机制,使其具有动态的自学习能力,通过不断的学习产生与实际“等价”的行为,并进行评估。本论文的主要内容如下:首先浅析了铁路及城市轨道交通系统中人因探讨的近况和主要探讨成果,指出列车司机行为对列车运转安全保障的重要量。并主要介绍了人因浅析中国内外学者对列车司机进行的相关探讨热点和成果,涉及列车司机的选拔规则、生理、心理等素质等方面。其次介绍了平行制约论述,人工系统以及Agent建模策略,对Agent特性浅析和类别进行了介绍。并对Agent适用的学习算法进行了介绍,比较浅析出了几种算法的优缺点。然后采取Agent策略对列车司机进行建模,并建立了自学习机制。以学习知识、学习层次、学习方式等几个方面进行了详细浅析和构建,目的是使列车司机Agent具有动态的学习能力。还针对自学习机制中的具体学习算法的实现进行设计,选用Q学习算法,并采取模糊综合决策法和模糊逻辑对其进行改善。最后浅析了列车司机Agent安全评估系统中的评估指标,并利用系统动力学原理和浅析策略,建立安全评估的系统动力学模型,在学习结束之后对列车司机行为的安全性进行评估。图25幅,表4个,参考文献60篇。关键词:Agent策略论文列车司机论文Q学习论文系统动力学论文安全评估论文
本论文由www.7ctime.com,需要论文可以联系人员哦。中文摘要6-7
ABSTRACT7-11
1 绪论11-16
4.
5.
6 总结与展望58-60
参考文献60-63
作者简历63-65
学位论文数据集65
摘要:摘要:近年来,高速铁路及城市轨道交通的大规模建设,行车安全的重要量得到了各界学者的关注,成为探讨热点。发生行车事故的理由错综复杂,不仅有物的因素,也有列车司机、调度、管理人员等人的因素。综合国内外重大行车事故,经浅析都发现:由于各种设备和保障技术不断提升和改善,物的因素造成事故率已显著降低,人的因素越来越显著。在铁路及城市轨道交通系统的运营历程中,人作为直接参与和管理制约者,在不良工作状态和恶劣工作环境下是无法避开发生失误的,那么就会有事故发生或有着潜在风险。由此,人为因素是不可能消除的,如何有效制约和降低人为失误是至关重要的。所有参与人员中,列车司机作为列车的直接操作者所起的作用是十分突出的。本论文主要针对城市轨道交通人工系统中的列车司机进行探讨,采取Agent策略建模,建立了列车司机Agent的自学习机制,使其具有动态的自学习能力,通过不断的学习产生与实际“等价”的行为,并进行评估。本论文的主要内容如下:首先浅析了铁路及城市轨道交通系统中人因探讨的近况和主要探讨成果,指出列车司机行为对列车运转安全保障的重要量。并主要介绍了人因浅析中国内外学者对列车司机进行的相关探讨热点和成果,涉及列车司机的选拔规则、生理、心理等素质等方面。其次介绍了平行制约论述,人工系统以及Agent建模策略,对Agent特性浅析和类别进行了介绍。并对Agent适用的学习算法进行了介绍,比较浅析出了几种算法的优缺点。然后采取Agent策略对列车司机进行建模,并建立了自学习机制。以学习知识、学习层次、学习方式等几个方面进行了详细浅析和构建,目的是使列车司机Agent具有动态的学习能力。还针对自学习机制中的具体学习算法的实现进行设计,选用Q学习算法,并采取模糊综合决策法和模糊逻辑对其进行改善。最后浅析了列车司机Agent安全评估系统中的评估指标,并利用系统动力学原理和浅析策略,建立安全评估的系统动力学模型,在学习结束之后对列车司机行为的安全性进行评估。图25幅,表4个,参考文献60篇。关键词:Agent策略论文列车司机论文Q学习论文系统动力学论文安全评估论文
本论文由www.7ctime.com,需要论文可以联系人员哦。中文摘要6-7
ABSTRACT7-11
1 绪论11-16
1.1 探讨背景及作用11-12
1.2 国内外探讨近况12-14
1.3 本论文的主要框架14-16
2 预备知识16-262.1 城市轨道交通平行制约与管理系统16-20
2.1.1 论述概述16-18
2.1.2 实例18-20
2.2 Agent的建模策略20-222.3 Agent的学习算法22-25
2.4 本章小结25-26
3 基于Agent的列车司机建模及自学习机制建立26-333.1 基于Agent的列车司机建模26-28
3.2 列车司机Agent的学习知识描述28-30
3.2.1 学习知识的内容28-29
3.2.2 列车司机Agent的知识-行为联系29-30
3.3 列车司机Agent的自学习机制建立30-323.1 自学习机制的结构30-31
3.2 动态学习流程31-32
3.4 本章小结32-33
4 列车司机Agent自学习机制中的算法实现33-494.1 Q学习算法的设计33-36
4.2 两级Q学习算法的融合36-38
4.2.1 两级Q学习算法融合的原理36-37
4.2.2 学习结果的融合37-38
4.3 加入先验知识的Q学习改善38-434.
3.1 模糊综合决策38-39
4.3.2 先验知识获取39-43
4.4 基于先验知识的模糊-Q学习改善43-484.1 模糊-Q学习系统的结构43-44
4.2 仿真及结果浅析44-48
4.5 本章小结48-49
5 列车司机Agent的行为安全评估策略探讨49-585.1 评估指标的确定49-51
5.1.1 评估指标的选取原则49
5.1.2 评估系统中指标的确定49-51
5.2 基于系统动力学的评估模型51-575.
2.1 系统动力学原理及建模步骤51-54
5.2.2 评估模型的结构及方程54-56
5.2.3 仿真结果与浅析56-57
5.3 本章小结57-586 总结与展望58-60
参考文献60-63
作者简历63-65
学位论文数据集65