探析基于贝叶斯网络的cbtc系统安全分析

《探析基于贝叶斯网络的cbtc系统安全分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、北京交通大学硕士学位论文基于贝叶斯网络的CBTC系统安全分析姓名：商晖申请学位级别：硕士专业：交通信息工程及控制指导教师：李开成201012北京交通大学硕士学位论文中文摘要中文摘要摘要：在城市轨道交通中采用的基于通信的列车控制系统(CBTC)是一个复杂的运行控制系统，通过硬件与软件的有机的结合完成列车运行中的控制功能，其具有故障模式的多态性、组件的非独立性、功能的偏差性以及时序性等特征，同时此系统的安全受到软件控制因素、人为因素以及间接因素的影响，使得故障树与事件树的分析方法遇到困难。相较于故障树和事件树分析方法，贝叶斯网络在坚实的数学基础上克服了多态性、非独立性、时序性等问题，通过概率图

2、形的方式直观的表示系统元素、组件之间的依赖关系，具有双向推理的性能从而可以进行前向预测分析以及后向的诊断分析。本文主要利用贝叶斯网络的优势，针对CBTC信号系统的特点，将贝叶斯网络的相关理论应用于CBTC的安全分析中，从而将系统涉及的软件问题、人为因素等不确定性与硬件不确定性综合考虑构建贝叶斯网络分析模型。论文从CBTC的系统功能出发，结合常用的功能分析方法和贝叶斯网络的基本理论，提出了基于场景图的贝叶斯网络的安全分析方法；通过确定系统安全考虑因素的目标、消极目标以及对目标的详细场景描述，获得系统特定场景下功能偏差的激励．响应模型，即此场景下的消极场景描述；根据消极场景向贝叶斯网络的映射构

3、建基于场景的贝叶斯网络模型，并将次要场景进行演绎分析而获得主要贝叶斯网络中的条件概率值；根据贝叶斯网络的诊断能力以及网络的计算结果提出相应的缓解消极目标的措施；最后对CBTC的列车安全间隔功能进行了贝叶斯网络的分析，分析结果表明，列车安全间隔功能满足CBTC的安全设计要求。本文提出的基于场景图的贝叶斯网络的安全分析方法不仅适用于分析CBTC的列车安全间隔功能，也适用于CBTC的其他功能安全分析。关键词：贝叶斯网络，场景，偏差模型；激励一响应；功能安全分析分类号：北京交通大学硕士学位论文ABSTRACTABSTRACTABSTRACT：Communication—basedtraincont

4、rolsystemadoptedbyUrbanTransportationisacomplexoperationcontrolsystem；itcarriesoutitscontrollingfunctionsintegratedhardwareandsoftware．Therefore，therearesomespecifiedcharactersofCBTC，suchaspolymo删smforfailuremodes，independenceofcomponents，deviationoffunctionandtimingsequence．MeanwhilethesafetyofCB

5、TCisaffectedbyqualityofsoftwarecontrolling，humanfactorandindirectfactor，SOthatfaulttreeanalysisandeventtreeanalysiscannotsatisfy．Comparedwithfaulttreeandeventtree，BayesianNetworkwhichhasmassyfoundationofmathematicsovercomespolymorphism,independenceandtimingproblems，itpresentsdependencerelationship

6、betweenelementsandcomponentsinprobabilitygraph，andthebi-directionreasoningcanhelpUSforpredictionanalysisinforwarddirectionanddiagnosticanalysisinbackwarddirection．AccordingtothefeatureofCBTC，theadvantagesofBayesianisadoptedtocarryoutsafetyanalysisforsignalingsystem,integratedsoftwareproblem,humanf

7、actorsandotheruncertaintyintoanalysismodel．Intermsofsystemfunction，BayesianNetworksafetyanalysisStudyBasedonScenarioisraisedinthispaperwithtraditionalfunctionalanalysismethodandbasictheoryofBayesian；firstly，weCal