一、铁路安全中的“人—机—环境”问题(论文文献综述)
王馨梓,肖荣娜,赵南希,吴金中,田诗慧[1](2020)在《危险货物运输风险分级指标评价体系研究》文中认为近年来,我国经济快速发展,社会对危险化学品的需求迅猛增长,危险货物的运输需求也随之逐年增加,给交通运输行业带来巨大的压力和挑战。从人-机-环境的角度出发,全面分析了不同运输方式下的危险货物运输风险的主要影响因素,建立了风险评价指标体系,并对危险货物运输风险分级指标评价体系进行了研究。同时,针对运输过程中的主要风险点,提出了相应的管控策略。
马海月[2](2020)在《基于深度学习的隧道漏缆卡具故障检测系统研究与实现》文中提出随着高速铁路的不断发展,铁路沿途的隧道数量不断增长,给隧道泄漏同轴电缆(简称漏缆)卡具检修人员的工作带来了巨大的挑战。漏缆是隧道内保证通讯安全的重要设施,对铁路列车安全运营起着重要作用。目前我国主要以人工步行查看的方式对铁路隧道漏缆卡具进行故障检测,此方法检测周期长、效率低。本文针对以上问题设计了一个基于深度学习的隧道漏缆卡具故障检测系统。该系统是由图像提取、卡具识别、故障样本扩充、数据可视化四个部分组成,各部分的具体内容如下:Mobile Netv3网络模型是一种轻量级注意力模型,延用了Mobile Netv1和Mobile Netv2的深度可分离卷积和线性瓶颈的倒残差结构,利用两个1×1的卷积层代替全连接层直接输出类别结果。本文使用Mobile Netv3网络模型提取隧道内图像,实验结果的准确率为97%。提出了一种基于YOLOv4改进的目标检测方法,该方法采用K-means聚类算法获取漏缆卡具的基准框,以Darknet-59结构作为特征提取的主干网络。Darknet-59是在Darknet-53的基础上,在conv25、conv42和conv51后面分别增加了两个卷积核大小是1×1和3×3的卷积层。本改进网络模型在实验中的正常卡具识别率达97.2%,故障卡具识别率为95.33%。经对比实验发现本改进算法就平均识别精度而言比YOLOv3和YOLOv4分别提高了0.08和0.03。使用高斯滤波、叠加噪声、明暗处理等对故障样本做单一和复合处理,解决故障样本不足的问题。实验结果表明故障卡具样本数量得到21倍的扩增。针对检测结果数量庞大造成的分析和浏览结果信息不方便、工作量大等问题,提出使用图像处理的方法对检测结果进行批量显色拼接处理,且最终结果以系统软件界面的形式展现。
江舒娴[3](2020)在《列车动态运行环境下卫星定位全路径误差建模方法研究》文中提出随着列车运行控制系统的发展,基于精确可靠列车位置的移动闭塞是未来发展方向。全球卫星导航系统(Global Navigation Satellite System,GNSS)能够提供位置服务,减少列控系统定位方法对轨旁设备依赖,基于卫星导航系统的自主定位是实现列车“车载中心化”的重要方式。然而铁路沿线环境复杂多变,山体、隧道等使卫星导航信号传播出现阻挡、反射,导致列车运行过程中的位置估计存在不确定性,卫星导航信号传播误差准确估计已成为卫星定位铁路安全中亟待研究的关键问题。本文提出一种列车动态运行环境下的卫星定位全路径误差建模及不确定度评定方法,该方法通过基于参数化特征的铁路典型场景辨识、三维场景建模、卫星导航信号射线追踪量化地面段传播误差,结合空间段规律性误差实现列车运行卫星定位全路径误差建模,基于测量不确定度理论和列车运行状态参数建立状态空间模型,实现动态测量过程中的不确定度评定。本文主要工作内容如下:(1)构建了卫星导航信号空间传播全路径伪距误差模型,从空间段和地面段进行全路径定位误差修正模型方法的数值量化,结合开阔场景下的静态测试验证误差修正方法的有效性。(2)针对地面段轨道沿线环境下的卫星信号传播观测质量,提出了一种铁路典型场景下卫星定位地面段误差建模方法。基于参数化环境特征的层次聚类算法进行铁路典型场景辨识,建立三维数字化场景,利用镜像法和射线追踪仿真方法进行卫星导航信号传播路径确定性建模,以半边天和城市峡谷场景为例,量化地面段传播伪距观测误差。(3)研究了列车卫星定位全路径误差及不确定度评定方法。采用高斯混合模型实现铁路典型场景下卫星导航信号传播全路径误差建模,基于测量不确定度理论和状态空间模型实现列车动态测量不确定度评定。利用京沈客运专线实测数据和灵敏度分析方法对提出的全路径误差建模方法进行实验验证。实验结果表明,本文提出的场景辨识方法可准确地将实测沿线环境划分为5种铁路典型场景,对半边天、城市峡谷2类场景下的信号传播路径建模,有效量化地面段误差,匹配现场定位结果误差变化趋势。考虑周边环境对卫星导航传播路径的影响,实现全路径误差建模及动态测量不确定度评定,与沿线实测数据进行比较证明了本文提出方法的有效性。图65幅,表27个,参考文献64篇。
李辰岭[4](2019)在《高速铁路运行控制系统混合事故致因模型研究》文中研究说明高速铁路运行控制系统是高速铁路的核心系统和关键装备,对于确保高速列车的运行安全和运输效率起着决定性的作用。一旦高速铁路运行控制系统出现问题,将会造成行车中断,甚至是车毁人亡的严重后果。为了提高系统的安全性、防止铁路事故的发生,必须采用科学、有效的模型及方法对铁路事故致因形成机理进行刻画和分析。人为因素在系统安全中起着重要作用。不仅在系统运行阶段,还在系统开发和运行管理阶段,人员的行为都会影响到系统的安全。在高速铁路运行控制系统中,人员与技术系统共同防护系统安全。但是,人员本身也是一个复杂系统,受到技术系统、组织管理和社会等众多因素的影响,很难像技术系统那样设计其安全特性。因此,如何系统性的从人-机-环的基础上以人机交互为中心分析系统事故致因机理是当前亟待解决的系统安全问题。论文针对高速铁路运行控制系统事故致因分析问题需求,建立基于系统理论事故模型及过程(Systems-Theoretic Accident Model and Process,STAMP)的高速铁路运行控制系统的混合事故致因模型,并在此基础上构建事故分析方法。首先,在深入研究高速铁路运行控制系统的社会技术系统特征的基础上,构建安全管理和运行控制的混合事故致因模型,体现系统中的管理影响、人机混合特性。然后,基于人为因素分析和分类系统(Human Factors Analysis and Classification System,HFACS)和文献信息挖掘,构建了针对高速铁路运行控制系统混合事故致因模型的系统性事故致因分类系统—SACCS(Systematic Accident Cause Classification System),结合网络分析法(Analytic Hierarchy Process,AHP)形成了系统事故致因识别与权重分析方法。再者,为了挖掘致因之间的关系,基于组件交互提出了拓展型透镜模型——ELM(Extended Lens Model),以消除“事后之明(Hindsight biases)”分析的弊端,并在分析过程中引入了多对象多感知的组合拓展透镜模型分析方法;同时,提出多致因并发传播的事故致因影响传播模型,并用于定量分析事故致因的敏感度和动态影响。以此形成了针对高速铁路运行控制系统的混合事故致因模型及分析方法,从而更加准确、高效的识别事故致因因素及评价。为保证方法的可靠性及正确性,通过专家调查问卷的方式使用Krippendorff-Alpha指标对所提的模型进行评价。论文的主要创新点:(1)拓展STAMP理论中的分层安全控制结构。以系统理论和控制理论为基础,根据高速铁路运行控制系统及管理过程特点,拓展STAMP的分层安全控制结构,构建系统开发、运营管理和运行过程的多过程事故致因模型,更准确的刻画系统中安全影响因素及影响机理,引导分析人员更全面的理解系统中可能存在的事故致因因素及影响。(2)提出系统性事故致因分类系统——SACCS。基于HFACS,根据高速铁路运行控制系统及事故特征,构建包括组织管理、过程监管、行为影响因素、人的不安全行为、技术系统的不安全状态及环境信息等六类的事故致因因素;在致因特点的基础上,构建SACCS致因与控制回路的关联关系;为分析人员提供全面的致因分类,引导分析人员识别出详细的事故致因。(3)提出拓展型透镜模型——ELM。在认知理论透镜模型基础上,提出了多过程映射的拓展型透镜模型,用于系统组件交互分析,识别致因关联关系,以此形成系统性回溯分析方法;根据高速铁路运行控制系统的特征,将ELM的使用拓展为“情境事件”和“感知者”之间的多重对应的分析,分析系统组件交互中的多重影响;为分析人员提供了致因因素关系分析的有效分析方法,一定程度上避免“事后之明”的弊端,更准确的分析致因因素之间的关系,尤其是人误致因。(4)拓展致因影响传播模型。在传统的致因影响传播模型基础上,增加多因素的并发和传播模式,更加客观的表示系统事故中致因发生的实际情况;给出致因影响传播网络的初始状态确定方法,及致因影响传播的计算方法和致因敏感度计算方法;为分析人员提供一种事故致因因素动态评估方法,更准确的评估致因因素在事故发生过程中的作用及事故的形成动态过程,为事故的检测和预警提供基础。最后,论文以“7.23”甬温线动车事故分析为例,采用本文所建立的混合事故致因模型及方法研究案例中的事故致因,得到了事故发生的致因因素及致因影响网络,然后通过静态和动态两个方面对致因因素进行评价,得出致因因素对事故的影响权重及灵敏度。
李雪薇[5](2019)在《高速铁路货运安全评价指标体系构建及应用》文中提出随着我国高铁路网“四纵四横”、“八纵八横”的实现,为了充分发挥“高铁路网”、“普铁路网”效率,发展高速铁路货运势在必行。本文是国家2017专项课题《时速250公里以上货运动车组研制》子课题之一的部分研究内容,对高速铁路货运运输过程中的安全影响因素、评价指标体系构建及应用展开研究,对高铁货运安全是一种有益探索。本文主要研究内容如下:首先对国内外高速铁路运输和货运安全相关文献进行研究分析,在相关法律法规和普通铁路货运安全理论的基础上,结合高速铁路普适安全理论和货物运输过程的分析,最终分析出了五大类安全影响因素。其次,汇总分析出的安全影响因素,根据实际考察情况和货运中心、中车唐山机车车辆有限公司及高校专家的问卷打分结果来筛选构建高速铁路货运安全评价指标体系,并在此基础上进行评价方法选择与问卷设计。进而建立基于高速铁路货运安全评价指标体系的模糊综合评价模型,利用大连南关岭货运站专家及大连交通大学专家的打分结果进行模糊层次分析,计算出各指标的权重比例与得分。在此基础上,为了验证模糊层次分析的计算结果,邀请中车唐山机车车辆有限公司及大连交通大学的专家对同一指标体系构成的问卷进行打分,通过训练好的BP神经网络模型对模糊层次分析法所得出的数据进行验证。最终确定模糊层次分析法所得指标权重与得分客观有效。最终五类因素的得分从高至低的排序为:管理因素、装备因素、人为因素、运行状态类因素和环境因素,综合得分说明以目前的货运安全工作可以满足高速铁路货运的需求。而在日后的高铁货运的安全工作中,应加强管理规章制度建设,确保装备运行质量;完善对大风暴雨等天气的应急预案;对货运动车组的运行速度与货仓安全状态加大监控力度及对站台与防护设备设施进行定期检修。将以人为本的安全管理理念贯彻始终,从而保证高速铁路货运的安全运营。
陈航[6](2019)在《基于BBS的建筑工人不安全行为纠正方法研究》文中指出目前,国内外建筑工程安全形势严峻,引发安全事故的工人不安全行为普遍存在,事前安全培训等传统方法并不能有效制止工人不安全行为的发生,使得建筑工人不安全行为实时纠正新方法成为国内外学者关注的研究领域。本文通过文献综述,发现相比于安全氛围和认知科学,行为安全直接从可观察的行为入手,对不安全行为进行及时纠正,已有很多成功应用,并可与现场设备广泛结合,成为本文研究建筑工人不安全行为纠正的研究角度。进而对目前的纠正方法进行综述,发现传统方法的缺陷,新方法有待研究开发。本文以行为安全理论(Behavior-based safety,BBS)为基础,结合建筑工人不安全行为特点,设计了不安全行为纠正模型,分三步纠正建筑工人不安全行为:场景分析---行为识别---行为干预。第一步是建筑工人不安全行为的场景分析,指分析建筑安全事故调查报告中不安全行为发生时的场景,挖掘场景要素,形成不安全行为清单的过程,涉及的主要方法为文本特征词挖掘和文本关联规则挖掘,分两阶段进行。第一阶段:在不安全行为场景分析基础上,采用文本特征词挖掘的方法,挖掘出1430起建筑安全事故调查报告中的事故发生部位、引发事故的人的不安全行为、事故类别3类场景要素特征词并构成特征词库,形成初始建筑工人不安全行为清单,共200条。第二阶段:采用关联规则挖掘方法,对特征词进行关联规则挖掘,挖掘出特征词之间的强关联规则,即各部位哪些不安全行为高发并会引发何种事故,进而剔除初始建筑工人不安全行为清单中偶发的行为,形成强关联规则建筑工人不安全行为清单,共40条。第二步是建筑工人不安全行为识别,指参照上一步形成的强关联规则建筑工人不安全行为清单,对现场工人的行为实时识别并判断是否安全的过程,涉及的方法为计算机视觉技术,分三阶段进行。第一阶段:设计建筑工人不安全行为识别方法,分为部位的识别和行为的识别,对于前者,通过划分各部位的危险区域---摄像头的布置及设定---人工框选视频中的识别区域来实现,对于后者,通过识别行为的视觉表征来实现,并形成建筑工人不安全行为语句表。第二阶段:采用目前流行的深度学习方法,在Tensor Flow框架下利用Python语言,设计出行为识别算法,并以某段包含工人靠近临边并在临边逗留的不安全行为视频为例进行识别。第三阶段:采用Gensim算法计算上一阶段输出的识别结果语句与不安全行为语句之间的相似度,进而判断行为是否安全,根据规范标准和安全条例提出每条不安全行为的安全建议,最后设计出视频及识别结果的信息存储方案。第三步是建筑工人不安全行为干预,指根据上一步的行为识别及判断结果,对不安全行为进行及时阻止的过程,涉及的主要方法为系统设计和问卷调查,分两阶段进行。第一阶段:设计出建筑工人不安全行为信息化干预系统,其核心是不安全行为信息化报警系统,进而对该系统进行功能需求分析和性能需求分析。第二阶段:受限于软硬件和专业方面的局限,本文不做系统的具体开发,而是做该系统开发前期的技术接受度调查。基于TAM2模型构建本文的技术接受度模型,并定义变量提出假设,据此设计问卷进行调研,根据调研数据采用结构方程模型进行各变量之间相关分析,删除不成立假设,得出最终模型。发现对信息化报警系统的感知有用性和使用意愿影响最显着的因素分别为技术价值和高层支持。最后,本文从行为场景分析、行为识别和行为干预三方面提出建筑工人不安全行为纠正过程实施要点。并阐述了本文的主要结论、主要创新点、研究不足及展望。本文的研究意义是显着的,可以有效减少建筑安全事故发生,为相关纠正工具的开发提供了借鉴,拓展了行为安全理论在施工安全管理中的应用,为建筑施工现场工人安全作业管理提供了的新思路。
张琦[7](2019)在《哈尔滨局集团公司行车事故分析及对策研究》文中研究说明铁路行车安全与社会稳定紧密相关。而且铁路安全是保证交通运输正常运行的重要基础。目前,我国经济高速发展,铁路运营管理的市场化程度也在不断提高,在铁路运行方面,国家提出了更高的安全要求。如果发生铁路行车事故,不但会对铁路的正常运行造成影响,还会对其经济效益产生不利影响。本文收集了哈尔滨局集团公司2010—2015年间发生的行车事故,根据铁路行车事故性质,系统的分析事故产生的原因。在这一过程中,主要借鉴了人—机—环境—管理的工程学的相关理论,并且应用了鱼骨图等模型进行分析,同时应用了宏观分析和微观分析方法,从而全面系统的分析,列车冲突、冒进、错误调车等惯性事故。并且从人的因素、管理因素、环境因素以及物的因素等角度,对于事故的形成原因进行了深入分析,制定出科学的应对措施,防止类似的交通事故发生。论文主要研究的内容如下:第一,对于哈尔滨局集团公司2010—2015年之间的行车情况,进行详细地统计分析。第二,通过系统工程学的相关理论,对于事故形成的原因进行深入分析,并通过交叉统计分析法对比分析影响行车安全因素。第三,系统的分析研究列车冒进、车辆配件脱落、施工影响等6方面导致行车事故发生的原因,形成鱼骨图,有目的性的展开分析。第四,在分析铁路事故形成原因的基础上,制定相应的应对措施,从而提高哈尔滨集团公司的安全系数。
亐道远,冯兆蕙[8](2018)在《高速铁路安全的社会公共责任》文中研究指明目前社会认识存在普遍误区,认为高速铁路安全是铁路系统内部的事,与自己关系不大。但是高速铁路点多线长,影响安全的因素极其复杂,仅靠高速铁路系统内部很难实现安全需求,需要借助外部力量共同维护高速铁路安全。因此,在不断强化高速铁路安全内部防范的同时,应该强化高速铁路安全的社会公共责任,以社会共治的方式,依靠全社会力量维护高速铁路安全。基于此,需要对高速铁路安全社会公共责任进行深入研究,界定其内涵,细分其内容,定位其属性,探索其实现途径,为高速铁路安全治理提供理论依据。
周碧盈[9](2017)在《人为因素对高铁安全的影响研究 ——以某铁路局为例》文中研究说明高铁安全是保障高速铁路正常运行的核心。根据高铁安全理论将影响高铁安全的因素分为人、机和环境三种。近年来,伴随着科学技术的不断进步和高铁设备的创新改进,人为因素引发的高速铁路安全问题也越发凸显出来。据有关部门统计,约70%的铁路事故是由人为因素造成的,具体包括操作不当、防护作业不到位、检查保养不到位等。本文以高铁安全理论为基础确定高铁安全中人为因素的指标,探讨高铁安全中人为因素的层次结构,研究人为因素指标对高铁安全影响的权重,最后根据分析结果提出可行性建议。首先,确定高铁安全中人为因素的指标。以高铁安全理论为研究基础,结合人为因素的概述,研究高铁安全中人为因素的分类标准,最终确定高铁安全中人为因素的指标。其次,探究高铁安全中人为因素的层次结构,也就是探究人为因素关键要素对高铁安全的影响处于哪个层级。本文通过阅读文献、专家访谈,从已确定的高铁安全中人为因素的指标里,筛选出关键要素,采用德尔菲法确定人为因素之间存在的影响关系,运用ISM模型(解释结构模型)计算出人为因素中表层直接影响高铁安全的因素、中层间接影响高铁安全的因素以及深层根本影响高铁安全的因素,构建起高铁安全中人为因素的层次结构。通过研究,我们能清楚、直观地区分高铁安全中人为因素的表层影响因素、中层影响因素和深层影响因素,结果表明操作失误、检修维修不到位等是表层影响因素,而个人身体不适、工作责任感不强、安全教育水平不到位等是深层影响因素。该研究同时为后文提供机理解释。最后,进行了高铁安全中人为因素的权重分析。本文以某铁路局为例,对该铁路局进行问卷调研,采用粗糙集方法对人为因素指标进行权重计算,确定人为因素指标对高铁安全影响的重要程度,结果表明最能影响高铁安全的指标为违章违纪。本文通过研究高铁安全中人为因素的层次结构及权重,可根据研究结果从聘用、管理、教育员工等方面为铁路局提出相关建议。
王帅[10](2017)在《巷道掘进人—机—环境系统评价及控制对策研究》文中研究表明在巷道掘进生产过程中,由于未知地质条件的变化,密集的生产作业,交叉作业多,人员相对集中,电气设备、设施多样,使其成为煤矿井下生产活动中最容易发生事故且造成较多人员伤亡的环节之一。对近几年的煤矿事故统计分析,发生在巷道掘进生产中的事故和死亡人数所占的比重都超过了 40%,在此背景下,研究巷道掘进生产中的安全问题是非常急迫的。本文从人机工程学的理论和思路出发,结合统计分析、安全系统工程理论、系统动力学理论,对巷道掘进生产系统的安全问题展开研究。首先,对巷道掘进生产中的六种典型事故进行系统分析,将事故原因归结为“人的因素”、“机的因素”、“环境的因素”,进而以巷道掘进人—机—环境系统为对象,对人、机、环境三大系统以及三大系统之间的关系进行分析。然后通过文献查阅、实地考察筛选巷道掘进人—机—环境评价指标,建立了巷道掘进人—机—环境系统评价指标体系:3个一级指标、8个二级指标、25个三级指标。根据建立指标的特点,选用层次分析法进行各级指标指标权重计算并建立多级模糊综合评价模型,选用加权平均型的模糊算子,对巷道掘进人—机—环境系统进行评价,确定系统的风险水平,并将建立的多级模糊综合评价模型应用到工程实例中。最后,分别从人、机、环境三个方面提出巷道掘进人—机—环境系统风险的控制对策,根据人、机、环境三大系统之间的相互作用关系,结合系统动力学建立巷道掘进人—机—环境系统风险控制对策干预模型,分别从人、机的角度分析各控制对策的有效性,再分别从人、机器设备中选出两个最优的对策,进行两两组合,对整个系统进行组合对策干预仿真,最后找出更为有效的组合对策,为提高巷道掘进的安全水平提供指导。
二、铁路安全中的“人—机—环境”问题(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、铁路安全中的“人—机—环境”问题(论文提纲范文)
(1)危险货物运输风险分级指标评价体系研究(论文提纲范文)
0 引言 |
1 危险货物运输风险研究现状 |
1.1 国内研究现状 |
1.2 国外研究现状 |
1.3 人-机-环境理论方法 |
1.4 总结 |
2 危险货物运输主要影响因素分析 |
2.1 人 |
(1)人。 |
(2)企业安全管理。 |
2.2 机 |
(1)危险品自身危险性。 |
(2)运输设备。 |
(3)装卸设备。 |
2.3 环境 |
(1)天气状况。 |
(2)周围环境。 |
(3)道路特征和运输距离。 |
3 危险货物运输风险分级指标评价体系 |
4 危险货物风险管控建议 |
5 结论 |
(2)基于深度学习的隧道漏缆卡具故障检测系统研究与实现(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 背景及意义 |
1.2 国内外发展现状 |
1.2.1 图像分类技术发展现状 |
1.2.2 目标检测技术发展现状 |
1.2.3 铁路领域故障检测现状 |
1.3 论文主要研究内容 |
1.4 论文的结构安排 |
第2章 相关理论知识 |
2.1 深度学习的基础概念 |
2.1.1 梯度下降 |
2.1.2 反向传播 |
2.1.3 激活函数 |
2.2 卷积神经网络基本结构 |
2.2.1 卷积层 |
2.2.2 池化层 |
2.2.3 全连接层 |
2.3 本章小结 |
第3章 基于图像分类的隧道图像提取 |
3.1 Mobile Net网络介绍 |
3.1.1 Mobile Netv1 |
3.1.2 Mobile Netv2 |
3.1.3 Mobile Netv3 |
3.2 Mobile Netv3 图像提取的实现 |
3.3 实验描述与结果分析 |
3.3.1 实验描述 |
3.3.2 实验结果分析 |
3.4 本章小结 |
第4章 基于YOLOv4改进算法的目标检测 |
4.1 YOLO系列的目标检测算法介绍 |
4.1.1YOLOv1 |
4.1.2YOLOv2 |
4.1.3YOLOv3 |
4.1.4YOLOv4 |
4.2 基于YOLOv4改进算法的实现 |
4.2.1 隧道漏缆卡具数据集准备 |
4.2.2 网络模型训练 |
4.2.3 模型验证 |
4.2.4 实验结果与分析 |
4.3 对比试验及实验分析 |
4.3.1 对比实验 |
4.3.2 实验分析 |
4.4 本章小结 |
第5章 故障样本解决与故障卡具检测 |
5.1 常见数据扩增 |
5.1.1 几何变换 |
5.1.2 像素值变换 |
5.1.3 空间颜色变换 |
5.2 故障样本数量扩充 |
5.2.1 高斯滤波 |
5.2.2 叠加噪声 |
5.2.3 明暗处理 |
5.2.4 实验结果 |
5.3 基于YOLOv4改进算法的故障卡具检测 |
5.3.1 网络模型训练 |
5.3.2 模型验证 |
5.3.3 实验结果与分析 |
5.4 本章小结 |
第6章 检测结果可视化与界面展示 |
6.1 检测结果可视化 |
6.1.1 统计卡具左上角横坐标信息 |
6.1.2 统计相邻卡具距离分布信息 |
6.1.3 检测结果批量显色拼接 |
6.2 系统软件界面 |
6.2.1 隧道图像提取结果界面 |
6.2.2 卡具检测结果界面 |
6.2.3 可视化结果界面 |
6.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间研究成果 |
致谢 |
(3)列车动态运行环境下卫星定位全路径误差建模方法研究(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 国内外研究现状 |
1.2.1 卫星定位精度标准及规范 |
1.2.2 受限环境下卫星定位传播误差分析 |
1.2.3 基于卫星的列车定位精度分析及不确定度估计方法 |
1.3 论文研究内容及结构 |
2 卫星定位原理及误差建模 |
2.1 卫星定位基本原理 |
2.1.1 TOA定位原理 |
2.1.2 卫星空间位置推算 |
2.1.3 用户位置解算 |
2.2 卫星定位全路径误差分析及其修正模型 |
2.2.1 定位误差来源 |
2.2.2 空间段误差修正模型 |
2.2.3 地面段误差修正模型 |
2.3 本章小结 |
3 铁路环境场景下的卫星导航信号传播建模 |
3.1 基于卫星定位的铁路典型场景辨识方法 |
3.1.1 铁路沿线场景区段分割规则 |
3.1.2 铁路沿线参数化环境特征构建算法 |
3.1.3 基于层次聚类的场景分类方法 |
3.1.4 铁路典型场景辨识方法 |
3.2 卫星信号传播路径建模方法 |
3.2.1 基于环境特征信息的三维场景建模 |
3.2.2 基于射线追踪方法的信号传播路径建模 |
3.3 本章小结 |
4 列车卫星定位全路径误差建模及不确定度评定 |
4.1 列车卫星定位全路径误差估计方法 |
4.1.1 全路径误差建模 |
4.1.2 基于高斯混合模型的误差建模方法 |
4.2 基于GUM标准的卫星定位测量不确定度评定 |
4.2.1 测量不确定度来源分析及观测方程构建 |
4.2.2 测量不确定度评定计算方法 |
4.3 基于状态空间模型的动态测量不确定度改进 |
4.3.1 状态空间模型及框架 |
4.3.2 基于状态空间模型的静态测量不确定度推导 |
4.3.3 基于状态空间模型的动态测量不确定度推导 |
4.4 本章小结 |
5 实验与验证 |
5.1 实验平台 |
5.1.1 实验平台设置 |
5.1.2 现场测试环境 |
5.1.3 基于灵敏度分析的测试验证方法 |
5.2 铁路典型场景辨识 |
5.2.1 已知环境场景下的特征参照 |
5.2.2 给定线路沿线场景辨识 |
5.3 卫星导航信号传播全路径误差建模 |
5.3.1 开阔场景下的全路径误差建模 |
5.3.2 半边天场景下的全路径误差建模 |
5.3.3 城市峡谷场景下的全路径误差建模 |
5.3.4 京沈客运专线不同场景下的实测定位结果分析 |
5.4 基于卫星的列车定位测量不确定度评定 |
5.4.1 静态测量不确定度评定 |
5.4.2 动态测量不确定度评定 |
5.5 本章小结 |
6 总结与展望 |
6.1 论文总结 |
6.2 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 |
(4)高速铁路运行控制系统混合事故致因模型研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
术语表 |
1 引言 |
1.1 选题背景和意义 |
1.2 问题的提出 |
1.3 国内外研究现状 |
1.3.1 事故致因模型研究 |
1.3.2 事故分析中人因识别及分析方法的研究 |
1.3.3 当前研究的不足及研究内容 |
1.4 论文主要内容和篇章结构 |
2 系统事故致因模型及研究方法综述 |
2.1 社会技术系统理论 |
2.2 系统性事故致因模型及事故分析方法 |
2.2.1 基于分层的社会技术系统事故模型及分析方法 |
2.2.2 基于功能共振事故模型及分析方法 |
2.2.3 基于系统理论的事故模型及分析方法 |
2.2.4 三种模型及方法的对比分析 |
2.3 人误因素建模与分析方法 |
2.3.1 人误及诱发因素分析 |
2.3.2 人误形成机理建模与分析方法 |
2.4 本章小结 |
3 高铁运行控制系统混合事故致因模型框架 |
3.1 高速铁路运行控制系统 |
3.1.1 系统组成 |
3.1.2 系统组件交互 |
3.1.3 高速铁路运行控制系统层次结构特征 |
3.2 高速铁路运行控制系统安全 |
3.2.1 系统理论安全观 |
3.2.2 高速铁路运行控制系统安全威胁来源 |
3.3 高速铁路运行控制混合事故致因模型框架 |
3.3.1 系统理论的模型要求 |
3.3.2 模型基础 |
3.3.3 模型内容 |
3.3.4 基于高速铁路运行控制混合事故致因模型的分析框架 |
3.4 本章小结 |
4 基于SACCS的高铁运行控制系统事故致因识别与权重分析 |
4.1 系统性事故致因分类系统—SACCS |
4.1.1 SACCS构建方法 |
4.1.2 SACCS的分层致因 |
4.1.3 SACCS的可靠性验证 |
4.2 基于网络分析法(ANP)的致因权重计算 |
4.2.1 网络分析法(ANP)结构 |
4.2.2 权重计算的基本步骤 |
4.3 致因识别与权重分析 |
4.3.1 SACCS与控制回路 |
4.3.2 致因识别与分析流程 |
4.4 本章小结 |
5 基于ELM的高铁运行控制系统事故致因关系及动态影响分析 |
5.1 高速铁路运行控制系统中的交互 |
5.2 透镜模型(Lens Model) |
5.3 基于透镜模型的系统事故致因关系分析 |
5.3.1 高速铁路运行控制系统交互的透镜模型 |
5.3.2 拓展型透镜模型分析应用 |
5.4 基于级联失效的事故致因关系动态影响分析 |
5.4.1 系统性事故致因关系网络—SACN |
5.4.2 事故致因关系动态影响分析 |
5.5 本章小结 |
6 基于Krippendorff-Alpha的高铁运行控制系统事故致因模型评价 |
6.1 系统事故致因模型评价指标体系 |
6.1.1 系统性文献综述方法 |
6.1.2 模型评价指标 |
6.2 高铁运行控制混合事故致因模型评价 |
6.2.1 调查问卷和数据收集 |
6.2.2 Krippendorff-α计算方法 |
6.2.3 模型可靠性计算 |
6.2.4 模型效用计算 |
6.3 本章小结 |
7 案例分析:“7.23”甬温铁路事故致因分析及评价 |
7.1 案例介绍 |
7.1.1 线路和设备情况 |
7.1.2 事故发生经过 |
7.2 基于高速铁路运行控制混合事故致因模型的分析 |
7.2.1 事故相关的系统及系统危险 |
7.2.2 系统分层安全控制结构 |
7.2.3 事故致因识别及权重分析 |
7.2.4 事故致因关系及动态影响分析 |
7.3 本章小结 |
8 结论 |
8.1 研究结果 |
8.2 论文创新点 |
8.3 展望 |
参考文献 |
附录A 事故致因检索文献列表 |
附录B 高铁列控系统混合事故致因模型评价 |
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 |
(5)高速铁路货运安全评价指标体系构建及应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 论文主要研究内容及技术路线 |
本章小结 |
第二章 高速铁路货运安全影响因素 |
2.1 高铁货物运输安全的法律依据 |
2.2 货运安全相关理论 |
2.2.1 普通铁路货运安全理论 |
2.2.2 高速铁路普适安全理论 |
2.3 高速铁路货物运输过程分析 |
2.3.1 高速铁路货物运输技术分析 |
2.3.2 高速铁路货物装载方式分析 |
2.3.3 高速铁路货物作业流程分析 |
2.3.4 运输过程中的安全影响因素分析 |
2.4 安全影响因素分析 |
2.4.1 人为因素 |
2.4.2 装备因素 |
2.4.3 环境因素 |
2.4.4 管理因素 |
2.4.5 运行状态类因素 |
本章小结 |
第三章 评价指标体系及评价步骤 |
3.1 评价指标体系构建的原则及评价步骤 |
3.1.1 指标体系的构建原则 |
3.1.2 评价步骤概述 |
3.2 评价方法介绍 |
3.2.1 专家打分法 |
3.2.2 模糊层次分析法 |
3.2.3 BP神经网络 |
3.3 指标体系的初步构建 |
3.3.1 指标体系的初步构建 |
3.3.2 指标的筛选 |
3.3.3 指标体系的最终确定 |
3.4 问卷设计 |
3.4.1 邀请专家背景介绍 |
3.4.2 问卷设计 |
本章小结 |
第四章 模糊层次分析 |
4.1 指标权重的确定 |
4.1.1 层次分析法确定指标权重 |
4.1.2 层次总排序 |
4.1.3 指标评估 |
4.2 模糊综合评价 |
4.2.1 确定评语集、权重集和指标集 |
4.2.2 确定模糊判断矩阵 |
4.2.3 评价结论分析 |
本章小结 |
第五章 BP神经网络的检验 |
5.1 训练样本的获取 |
5.2 设计BP神经网络 |
5.3 运行结果分析 |
5.4 结果分析 |
本章小结 |
结论 |
参考文献 |
致谢 |
附录A 专家打分表(筛选指标) |
附录B 专家打分表(模糊层次分析法) |
附录C 专家打分表(BP神经网络) |
附录D BP神经网络代码 |
附录E 评分数据 |
(6)基于BBS的建筑工人不安全行为纠正方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究现状及不足 |
1.2.1 建筑工人不安全行为的研究现状及不足 |
1.2.2 建筑工人不安全行为场景分析方法研究现状及不足 |
1.2.3 建筑工人不安全行为识别方法研究现状及不足 |
1.2.4 建筑工人不安全行为干预方法研究现状及不足 |
1.3 研究内容及研究方法 |
1.3.1 研究对象 |
1.3.2 研究内容 |
1.3.3 研究方法 |
1.3.4 技术路线 |
1.4 本章小结 |
第二章 建筑工人不安全行为纠正模型的构建 |
2.1 相关理论 |
2.1.1 事故致因理论 |
2.1.2 行为安全理论 |
2.2 工人不安全行为特点 |
2.2.1 可塑性 |
2.2.2 随机性 |
2.2.3 传播性 |
2.3 基于行为安全理论的建筑工人不安全行为纠正模型 |
2.4 本章小结 |
第三章 基于文本挖掘的建筑工人不安全行为场景分析 |
3.1 建筑工人不安全行为场景介绍及分析流程 |
3.1.1 建筑工人不安全行为的场景介绍 |
3.1.2 建筑工人不安全行为场景分析流程 |
3.2 建筑工人不安全行为场景要素的特征词挖掘 |
3.2.1 待挖掘特征词的确定 |
3.2.2 文本的搜集及预处理 |
3.2.3 特征词挖掘算法设计 |
3.2.4 特征词挖掘结果整理与分类 |
3.3 建筑工人不安全行为场景要素的关联规则分析 |
3.3.1 关联规则及相关指标 |
3.3.2 关联规则数据库的构建 |
3.3.3 关联规则挖掘方法设计 |
3.3.4 关联规则挖掘结果整理与分析 |
3.4 本章小结 |
第四章 基于计算机视觉的建筑工人不安全行为识别 |
4.1 建筑工人不安全行为识别方法选择及流程 |
4.1.1 建筑工人不安全行为识别方法选择 |
4.1.2 建筑工人不安全行为识别流程 |
4.2 建筑工人不安全行为识别方法的设计与实现 |
4.2.1 建筑工人不安全行为识别方法的设计 |
4.2.2 建筑工人不安全行为识别方法的实现 |
4.3 建筑工人不安全行为识别结果判断及信息储存 |
4.3.1 建筑工人不安全行为识别结果的判断 |
4.3.2 建筑工人不安全行为识别结果的储存方案 |
4.4 本章小结 |
第五章 基于信息化报警系统的建筑工人不安全行为干预 |
5.1 建筑工人不安全行为干预系统设计 |
5.2 建筑工人不安全行为信息化报警系统需求分析 |
5.2.1 功能需求分析 |
5.2.2 性能需求分析 |
5.3 建筑工人不安全行为信息化报警系统技术接受度研究 |
5.3.1 技术接受度模型介绍 |
5.3.2 理论依据与模型构建 |
5.3.3 变量定义与研究假设 |
5.3.4 变量测量与问卷设计 |
5.3.5 数据采集与样本描述 |
5.3.6 结构方程模型检验与修正 |
5.3.7 假设验证与结果讨论 |
5.3.8 技术接受结论和建议 |
5.4 本章小结 |
第六章 建筑工人不安全行为纠正过程实施要点 |
6.1 建筑工人不安全行为场景分析实施要点 |
6.1.1 安全生产事故报告的及时补充 |
6.1.2 安全施工技术标准规范的更新 |
6.1.3 非致命型不安全行为值得关注 |
6.2 建筑工人不安全行为识别过程实施要点 |
6.2.1 摄像设备的布置要求 |
6.2.2 识别算法的持续更新 |
6.2.3 信息储存的保密管理 |
6.3 建筑工人不安全行为干预过程实施要点 |
6.3.1 注重用户的隐私保护 |
6.3.2 改进系统的功能性能 |
6.3.3 关联安全绩效的考核 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 结论 |
7.2 创新点 |
7.3 研究不足与展望 |
致谢 |
参考文献 |
附录 |
附录 A 初始建筑工人不安全行为清单 |
附录 B 建筑工人不安全行为信息化报警系统接受度情况调查问卷 |
(7)哈尔滨局集团公司行车事故分析及对策研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.2.3 文献评述 |
1.3 论文研究的主要内容和方法 |
1.3.1 研究的主要内容 |
1.3.2 研究方法 |
第2章 相关概念界定及理论基础 |
2.1 相关概念界定 |
2.1.1 铁路行车事故的概念 |
2.1.2 行车事故分析的概念 |
2.2 事故分析研究方法 |
2.2.1 事故树分析法 |
2.2.2 层次分析法 |
2.2.3 鱼骨图分析法 |
2.3 铁路行车安全系统工程概述 |
第3章 哈尔滨局集团公司行车事故的基本情况分析 |
3.1 哈尔滨局集团公司概述 |
3.2 行车事故统计 |
3.2.1 按行车事故分类统计 |
3.2.2 按事故发生的时间段分析 |
3.2.3 按事故发生的责任岗位统计 |
3.2.4 按行车事故原因统计 |
3.3 行车事故基本情况的交叉统计分析 |
3.3.1 行车事故类别与系统的交叉分析 |
3.3.2 行车事故类别与事故发生的时间的交叉分析 |
3.3.3 事故发生时间与系统的交叉分析 |
第4章 哈尔滨局集团公司行车事故发生的原因分析 |
4.1 典型行车事故发生的原因分析 |
4.1.1 旅客列车脱轨事故分析 |
4.1.2 列车冲突事故分析 |
4.1.3 列车冒进事故分析 |
4.1.4 漏检漏修导致的险性事故分析 |
4.1.5 施工影响导致的险性事故 |
4.1.6 车辆配件脱落事故分析 |
4.2 行车事故发生原因的鱼刺图分析 |
4.2.1 环境因素 |
4.2.2 设备因素 |
4.2.3 人员因素 |
4.2.4 管理因素 |
第5章 哈尔滨局集团公司行车安全的对策及保障措施 |
5.1 确保哈局行车安全的主要对策 |
5.1.1 环境因素对策 |
5.1.2 设备因素对策 |
5.1.3 人员因素对策 |
5.1.4 管理因素对策 |
5.2 提升哈局行车安全的保障措施 |
5.2.1 环境方面的安全保障措施 |
5.2.2 设备方面的安全保障措施 |
5.2.3 人员方面的安全保障措施 |
5.2.4 管理方面的安全保障措施 |
结论 |
参考文献 |
个人简历 攻读学位期间发表的学术论文 |
致谢 |
(8)高速铁路安全的社会公共责任(论文提纲范文)
引言 |
一、高速铁路安全社会公共责任的内涵界定 |
(一) 高速铁路安全社会公共责任是指除铁路系统之外主体应承担的责任 |
(二) 铁路系统之外主体承担高速铁路安全社会公共责任的理由 |
1. 仅靠铁路系统内部主体难以完全保障高速铁路安全 |
2. 高速铁路安全保护的是公共利益 |
3. 铁路系统之外的责任主体自身也是高速铁路运输的受益主体 |
(三) 高速铁路安全社会公共责任不排斥铁路企业的主体责任 |
二、高速铁路安全社会公共责任的内容细分 |
(一) 高速铁路沿线地方政府的社会公共责任 |
1. 护路联防责任 |
2. 沟通协调责任 |
3. 划定公告责任 |
4. 宣传教育责任 |
(二) 高速铁路沿线企业和居民的社会公共责任 |
1. 不从事危害高速铁路安全行为的责任 |
2. 保护高速铁路安全的责任 |
(三) 乘客维护高速铁路安全的社会公共责任 |
(四) 社会公众维护高速铁路安全的社会公共责任 |
三、高速铁路安全社会公共责任的属性定位 |
(一) 道德责任属性 |
(二) 政治责任属性 |
(三) 法律责任属性 |
四、高速铁路安全社会公共责任的实现途径 |
(一) 强化高速铁路安全立法, 明示各类主体的社会公共责任 |
(二) 探索路长制, 以综合治理方式层层落实高速铁路安全社会公共责任 |
(三) 建设高速铁路安全文化, 培育各类主体主动履行社会公共责任意识 |
(四) 坚持适度原则, 将高速铁路安全社会公共责任限制在合理范围 |
结束语 |
(9)人为因素对高铁安全的影响研究 ——以某铁路局为例(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究问题与研究意义 |
1.1.1 问题提出 |
1.1.2 研究意义 |
1.2 国内外文献综述 |
1.2.1 相关理论研究 |
1.2.2 交通安全中人为因素相关研究 |
1.2.3 ISM模型和粗糙集方法的相关研究 |
1.2.4 文献综述总结 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 研究方法与技术路线 |
1.4 本章小结 |
2 高铁安全中人为因素指标的确定 |
2.1 高铁安全理论 |
2.2 人为因素概述 |
2.2.1 概念 |
2.2.2 分类 |
2.3 高铁安全中人为因素的指标构建 |
2.4 本章小结 |
3 高铁安全中人为因素的结构分析 |
3.1 基于ISM模型的人为因素层次结构划分 |
3.1.1 ISM模型重要指标的确定 |
3.1.2 指标之间关系的确定 |
3.1.3 ISM模型的计算 |
3.2 人为因素层次结构图的分析 |
3.3 本章小结 |
4 高铁安全中人为因素权重的实证分析 |
4.1 某铁路局概况 |
4.2 问卷调研 |
4.2.1 问卷抽样对象的确定 |
4.2.2 调研问卷设计 |
4.2.3 问卷统计及信度、效度分析 |
4.3 基于粗糙集的人为因素权重分析 |
4.3.1 粗糙集的属性约简及决策表的构建 |
4.3.2 高铁安全中人为因素的权重计算 |
4.3.3 结果分析 |
4.4 本章小结 |
5 结论与建议 |
5.1 论文工作总结 |
5.2 对铁路部门的建议 |
5.3 创新点、不足与展望 |
参考文献 |
附录A |
附录B |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(10)巷道掘进人—机—环境系统评价及控制对策研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 人—机—环境系统工程 |
1.2 国内外研究现状 |
1.3 课题提出的意义 |
1.4 研究内容 |
1.5 研究方法及技术路线图 |
2 巷道掘进人—机—环境系统分析 |
2.1 巷道掘进事故类型 |
2.2 巷道掘进典型事故系统分析 |
2.3 巷道掘进人机环境系统分析 |
2.4 本章小结 |
3 巷道掘进人—机—环境系统评价 |
3.1 巷道掘进人—机—环境系统评价指标的确定 |
3.2 评价指标评价方法的确定 |
3.3 评价模型建立及分析 |
3.4 评价等级划分 |
3.5 本章小结 |
4 巷道掘进人—机—环境系统评价的工程实例应用 |
4.1 2420巷道掘进工程概述 |
4.2 2420掘进人—机—环境系统评价 |
4.3 本章小结 |
5 巷道掘进人机环系统风险控制对策仿真研究 |
5.1 巷道掘进人机环境系统风险控制对策 |
5.2 系统动力学概述 |
5.3 仿真准备 |
5.4 仿真应用研究 |
5.5 本章小结 |
6 结论与展望 |
6.1 主要研究及结论 |
6.2 展望 |
参考文献 |
附录Ⅰ |
附录Ⅱ |
致谢 |
攻读硕士期间主要成果 |
四、铁路安全中的“人—机—环境”问题(论文参考文献)
- [1]危险货物运输风险分级指标评价体系研究[J]. 王馨梓,肖荣娜,赵南希,吴金中,田诗慧. 公路交通科技, 2020(S1)
- [2]基于深度学习的隧道漏缆卡具故障检测系统研究与实现[D]. 马海月. 河北科技大学, 2020(06)
- [3]列车动态运行环境下卫星定位全路径误差建模方法研究[D]. 江舒娴. 北京交通大学, 2020
- [4]高速铁路运行控制系统混合事故致因模型研究[D]. 李辰岭. 北京交通大学, 2019(04)
- [5]高速铁路货运安全评价指标体系构建及应用[D]. 李雪薇. 大连交通大学, 2019(08)
- [6]基于BBS的建筑工人不安全行为纠正方法研究[D]. 陈航. 东南大学, 2019(05)
- [7]哈尔滨局集团公司行车事故分析及对策研究[D]. 张琦. 华东交通大学, 2019(03)
- [8]高速铁路安全的社会公共责任[J]. 亐道远,冯兆蕙. 河北法学, 2018(06)
- [9]人为因素对高铁安全的影响研究 ——以某铁路局为例[D]. 周碧盈. 北京交通大学, 2017(01)
- [10]巷道掘进人—机—环境系统评价及控制对策研究[D]. 王帅. 山东科技大学, 2017(03)