高速鐵路作為當(dāng)代高新技術(shù)的集成系統(tǒng)，具有輸送能力大、速度快、性高、正點率高、占用土地資源少、能耗低、環(huán)境污染小、全天候運行的特點，是交通運輸體系中具可持續(xù)性和環(huán)境友好性的運輸模式。

隨著現(xiàn)代軌道裝備系統(tǒng)日益朝著深度感知、智慧決策、自動化執(zhí)行的方向發(fā)展，高速鐵路列車運行控制系統(tǒng)不再是列車調(diào)度、計算機聯(lián)鎖系統(tǒng)、閉塞控制電路、信號機等設(shè)備的簡單組合，而是向著集系統(tǒng)監(jiān)控、調(diào)度指揮與智能運行控制為一體的綜合自動化系統(tǒng)方向發(fā)展。目前，高速磁浮列車的快速發(fā)展及高速飛車的戰(zhàn)略布局對未來超高速列車控制的自主性及智能性、感知列車運行環(huán)境的能力、潛在設(shè)備故障及風(fēng)險的預(yù)警能力提出了新的要求。

現(xiàn)代軌道交通設(shè)備組成單元種類繁多，結(jié)構(gòu)更加復(fù)雜，某些關(guān)鍵設(shè)備一旦出現(xiàn)故障將會造成嚴重的濟損失。隨著我國高速鐵路建設(shè)規(guī)模的迅速擴大、列車時速的大幅度提高，高速鐵路列車運行控制系統(tǒng)的性和可靠性已成為亟待解決的重要科學(xué)問題。

本書共8章。第1章為概述，介紹了本書的研究背景與意義、國內(nèi)外的研究現(xiàn)狀及主要研究內(nèi)容和篇章結(jié)構(gòu)。第2章介紹基于系統(tǒng)建模語言（SysML）的列控系統(tǒng)形式化建模方法，該方法運用構(gòu)造型擴展機制設(shè)計了面向系統(tǒng)需求和面向列控系統(tǒng)混成特性的統(tǒng)一建模語言（UML）概要文件。其中：面向需求的概要文件對SysML需求圖中的需求約束以及模塊定義圖中的屬性和操行擴展；面向混成特性的HUML概要文件對數(shù)據(jù)類型、類、約束、表達式和狀態(tài)行擴展，以滿足混成自動機模型的建模需要。第3章介紹基于PSL的列控系統(tǒng)需求規(guī)范形式化建模與驗證方法，運用迭代的方式查找規(guī)范中潛在的缺陷，以提高需求規(guī)范的質(zhì)量。第4章介紹基于混成自動機模型的系統(tǒng)分析方法、首先，針對含有未知控制參數(shù)的混成自動機模行分析，根據(jù)列車具需求和目標得到未知控制參數(shù)的可行解或約束范圍。其次，為了解決非線性混成自動機模型的性驗證問題，運用時間有界的可達性分析方法，研究時間有界情況下列車的在線驗證算法，有效降低傳統(tǒng)形式化方法驗證的難度。第5章介紹基于概率混成自動機模型的列車運行監(jiān)控方法，用于在線評估列車當(dāng)前運行狀態(tài)下的量化級別，達到對列車運行狀態(tài)監(jiān)控及對危險狀態(tài)及時預(yù)警的目的。第6章介紹基于參數(shù)馬爾可夫（Markov）模型的系統(tǒng)可靠性在線評估方法，運用分層迭代分析方法近似估算系統(tǒng)瞬態(tài)可靠性指標、以提高系統(tǒng)可靠性指標的計算速度。同時，在考慮不覆蓋故障的情況下，研究運用馬爾可夫（Markov）模型分析動態(tài)故障樹可靠性的方法。第7章介紹基于稀疏小二乘支持向量機（LSSVM）及集成分類回歸樹的列車智能架中方法 運用稀疏優(yōu)化算法對列車駕駛數(shù)據(jù)行預(yù)處理，然后運用集成分類回歸樹算法處理后的駕駛數(shù)據(jù)集。在保證駕駛曲線的節(jié)能、運行時間、模式切換次數(shù)等指標的條件下，稀疏算法將有效提高數(shù)據(jù)的稀疏度和乘坐舒適度。第8章介紹基于混成自動機(HA）及集成分類回歸樹算法的多列車智能駕駛方法，在單列車智能駕駛的基礎(chǔ)上，通過混成自動機與智能學(xué)相結(jié)合的方式，實現(xiàn)一種多列車智能駕駛策略，以保證多列車之間的運行間隔。

本書是在“山西省回國留學(xué)人員科研資助項目（22-142）”、中北大學(xué)高層次人才科研啟動項目以及國家自然科學(xué)面上項目“基于人機混合智能的地鐵列車智能駕駛系統(tǒng)關(guān)鍵算法研究（61976055）”的資助下完成的。

后，對所有在本書的寫作和出版過程中給予熱情幫助和支持的朋友們表示感謝。由于作者水平有限，書中難免有不當(dāng)之處，敬請同仁和讀者不吝賜教。

作者

22年6月

于中北大學(xué)電氣與控制工程學(xué)院