.png){kind=icon}
返回
A diffusion-based framework for probabilistic communication performance degradation prediction in train control systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2026.113376.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
车载-地面数据通信是列车控制系统安全关键信息交换的唯一通道，其性能退化会直接威胁运营可靠性。然而，由于跨层耦合指标、强不确定性以及缺失监测数据导致的可观测性部分缺失，退化预测具有挑战性。为解决这些问题，本文提出了一种基于扩散模型的概率通信性能退化预测框架。该框架将退化预测重新表述为一个两阶段任务，包括在不完全观测条件下对退化敏感指标进行概率预测，以及通过基于退化指标的映射预测退化风险概率。在第一阶段，多粒度标记条件扩散模型（MTCDM）依次重构不完整的多变量历史观测，并预测三个退化敏感指标的未来概率轨迹。在第二阶段，退化风险概率预测（DRPP）模块将预测结果映射为可解释的退化状态和风险概率。选择了三个退化敏感指标来表征物理层、服务层和应用层的退化。在真实铁路通信数据集和公开基准上的实验表明，与基线方法相比，本框架在重构、预测和退化感知风险预测方面具有更优性能。这些结果表明，所提出的框架为安全关键列车控制系统提供了有效的风险感知通信退化监测和主动预警解决方案。
Keyword:
Train control system
Train-ground communication
Communication performance degradation prediction
Partial observability
Industrial probabilistic forecasting
Diffusion model
期刊
R
IF:
11
论文数:
1.1K
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏Hybrid Approach to Software Fault Prediction Using Particle Swarm Optimization and Fuzzy Time Series基于粒子群优化和模糊时间序列的软件故障预测混合方法
PREAI
分享收藏DeFIANT: A degradation-aware large model paradigm for generalizable RUL predictionDeFIANT：一种面向通用化RUL预测的降级感知大型模型范式
PREAI
分享收藏Physics-informed machine learning for high-speed on/off valve performance degradation prediction in water hydraulic manipulator基于物理信息的机器学习在高速开关阀水液压操作器性能退化预测中的应用
PREAI
分享收藏
查看更多内容