首页|期刊导航|新一代信息技术|基于智能体的城市轨道交通全自动运行系统测试方法研究

基于智能体的城市轨道交通全自动运行系统测试方法研究OA

中文摘要

针对城市轨道交通全自动运行(Fully Automated Operation,FAO)系统传统测试存在的状态空间爆炸、脚本脆弱性及维护成本高等问题,本文提出一种基于智能体与强化学习(Reinforcement Learning,RL)的半实物仿真测试方法。该方法构建了具备自主感知与意图理解能力的智能体平台架构,在故障注入探索机制中,将基于信号时序逻辑的鲁棒性奖励函数与融合长短期记忆网络的近端策略优化算法相结合,构建自适应应力测试模型,以解决连续物理动力学空间中的局部可观测问题。实验结果表明,与传统静态脚本及蒙特卡罗随机故障注入方法相比,本文方法将状态空间有效探索率提升至89.6%,将首次发现安全缺陷的耗时缩短至约2.8 h。该方法有效克服了连续物理状态空间中的状态爆炸问题,实现了系统测试由人工静态遍历向机器动态博弈的转变,为轨道交通、自动驾驶、无人机及工业机器人等领域的安全验证提供了高覆盖、自适应的智能测试新范式,具有重要的理论与工程应用价值。

黄关强

上海申通轨道交通检测认证有限公司,上海201204

交通工程

全自动运行智能体强化学习信号时序逻辑长短期记忆网络

《新一代信息技术》 2026 (7)

P.5-12,8

2023东方英才计划领军项目上海市促进产业高质量发展专项(No.250211)。

10.12263/newIT.2026.07.002

评论