导航：安全管理网>> 安全论文>> 交通安全论文>>正文

铁路货运车辆运行状态安全评估方法及应用研究

文档作者：王艳辉孙倩李静贾利民蔡国强文档来源： 1．北京交通大学轨道交通控制与安全国家重点实验室 2．北京交通大学		点击数：	更新时间： 2020年12月04日
下载地址：点击这里	文件大小： 497.62 KB 共8页	文档格式： PDF	下载点数： 1 点（VIP免费）

全屏查看

内容预览 [文件共8页]

本文件共8页，如需编辑使用，请下载。

注：预览效果可能会出现部分文字乱码（如口口口）、内容显示不全等问题，下载是正常的。

	文件大小：497.62 KB 共8页文件格式：PDF 下载点数：1 点（VIP会员免费）

下一篇：汝箕沟大峰采区车辆运输的安全管理

上一篇：油田车辆安全管理措施要点探析

文本预览

仅提取页面文字内容，供快速阅读使用。

第33卷第4期
2 0 1 1年4月
铁 道 学 报
J0URNAL 0F THE CHINA RAILWAY SOCIETY
V01．33 NO．4
April 2011
文章编号：1001—8360(2011)04—0038 08
铁路货运车辆运行状态安全评估方法及应用研究
王艳辉 ， 孙 倩 ， 李
(1．北京交通大学轨道交通控制与安全国家重点实验室，北京
静 ， 贾利民 ， 蔡国强
100044；2．北京交通大学交通运输学院，北京 100044)
摘要：铁路货运车辆运行状态安全评估问题，对预防货物列车行车事故、减少轨道车辆零部件损伤具有重要作
用，对于铁路安全运营管理有着明确的指导意义。本文针对目前铁路货运车辆运行状态研究存在的不完整性问
题，采用自然环境与设备运营相结合的综合车辆状态评估方法，建立面向安全的铁路货运车辆运行状态评估指
标体系，并提出了一种由三部分组成的、串形结构的改进BP神经网络，更好地解决了这类数据量庞大的复杂系
统评估问题。本文以沪宁线为背景进行了评估实例研究，取得了准确性较高的评估结果。
关键词：货车运行状态；安全评估；改进BP神经网络
中图分类号：U270 文献标志码：A doi：10．3969／j．issn．1001—8360．2011．04．006
Research on Safety Evaluation of Rail Freight Vehicle
Operating Status＆ Its Application
W ANG Yan—hui ， SUN Qian ， LI Jing ， JIA Li—min ， CAI Guo—qiang
(1．State Key Laboratory of Rail Traffic Control and Safety，Beijing Jiaotong University，Beijing 100044，China
2．Scholl of Traffic and Transportation，Beijing Jiaotong University，Beijing 100044，China)
Abstract：Safety evaluation of rail freight vehicle running status has great effect on preventing traffic accidents of freight
trains and reducing abrasion of vehicle components．It plays an important role in rail operation and management．Based
on the non-integrity of current research of rail freight vehicle running status，this paper puts forward a comprehensive e—
valuation approach combining the natural environment and equipment operation，establishes a safety indice system for e—
valuation of freight vehicle running status and proposes a promoted BP neural network which consists of three parts and
has a string-shaped structure．The improved algorithm is better tO evaluate such complex systems with huge volumes of
data．Taking the Shanghai-Nanjing Railway as an example，good evaluating results are obtained．
Key words：freight train operating status；safety evaluation；promoted BP neutral network
随着我国铁路干线全面提速，有为数不少的货运
车辆在空载状态、运行速度为70km／h左右时出现蛇
行失稳现象，并可能导致列车脱轨等事故的发生，成为
我国干线铁路提速危及行车安全的严重隐患。基于
此，本文以货运列车运营的实时监控数据为依托，提出
自然环境与设备运营相结合的综合评估理念，采用模
糊神经网络方法，研究铁路货运车辆运行状态安全评
估方法及应用。
收稿日期：2009—10—15；修回日期：2010—05—13
基金项目：轨道交通控制与安全国家重点实验室研究课题
(RCS20O8ZZOO2)
作者简介：王艳辉(1974一)，男，河北保定人，副教授，博士。
E-mail：zhxywyh@ 126．corn
1 铁路货运车辆运行状态安全评估指标体系
铁路货运车辆运行状态是一个涉及多因素的复杂
系统，各个因素相互影响、相互作用。本文从安全这一
角度出发，分析各个主要环节影响安全的因素，形成铁
路货运车辆运行状态安全评估指标体系。
1．1 铁路货运车辆运行状态安全评估指标因素分析
根据安全系统工程中的“人一机一环”理论，从3个
方面来考虑铁路货车车辆运行状态安全评估指标。由
于受到研究数据的限制，本文将安全评估的侧重点放
在“机”与“环境”这两个环节上，并有如下假设：认为系
统中人为因素不存在安全隐患，即人在系统中处于一
种理想安全状态。
第4期 铁路货运车辆运行状态安全评估方法及应用研究 39
1．1．1 “机”因素
1．运行状态类
(1)车速
车辆运行速度是影响货车运行状态的关键性因素
之一u]，它不仅与列车行驶的路段有关，还与列车货物
的装载形态、外界环境有关。因此，本文将货车运行的
实时速度作为车辆运行状态安全评估的一项定量指
标，记为 。
(2)超偏载
超偏载是影响货车运行状态的又一关键性因素。
铁路运输中由于装车不准，装载不均等原因，铁路列车
的超偏载情况常有发生 ]。在本文中，将前后偏载、左
右偏载作为车辆运行状态安全评估的两项定量指标，分
别记为k：、k。，其值的正负只表示偏载方向，在研究过程
中将该两项指标数据取绝对值进行计算；将车辆超载作
为车辆运行状态安全评估的一项定性指标，记为是 。
2．设备类
(1)车轮
轮轴脱轨系数和轮重减载率越大，则脱轨的危险
性也越大 ]。另外，本文采用车轮损伤当量来量化车
轮的损伤情况，表征车轮损伤对轨道的冲击和磨损量
的大小。
最大车轮损伤当量：以车辆为单位，选取损伤当量
最大的车轮，表征本车辆的车轮损伤。最大车轮损伤
当量取值范围为[O，100]，数值越大，表明损伤越大。
损伤轮数：该车辆损伤的车轮个数。将车辆的车
轮损伤个数与损伤当量综合考虑将更加全面合理。
综上，本文将脱轨系数、轮重减载率、最大车轮损
伤当量作为车辆运行状态安全评估的三项定量指标，
分别记为k 、k。、是 ；将损伤轮数作为车辆运行状态安
全评估的一项定性指标，记为k 。
(2)车轴
车辆在运行的时候，承重轴承都会由于摩擦而产
生热量。轴承正常运转时，所产生的热量会使轴承表
面的温度趋于稳定值；当轴承内部出现故障时，就会使
摩擦加剧，温度突升，达到一定程度时，便会产生热轴
现象，严重的还会导致切轴，使得运行中的车辆颠覆，
给行车带来严重的安全隐患以及重大的经济损失。本
文将轴温作为车辆运行状态安全评估的一项定性指
标，记为是。。
1．1．2 环境因素
车辆运行暴露在环境中，环境中的许多自然过程
都会对车辆的运行产生危害。在本文中，环境因素着
重考虑自然环境因素。
(1)雨
在广大山区，铁路的安全运营受到山体滑坡、崩
塌、泥石流、山洪等自然灾害的严重威胁。依据指标体
系建立的独立性原则，由与这些自然灾害关系密切的
雨量作为车辆运行状态安全评估的一项定量指标，记
为k 。。
(2)风
列车是一种沿固定轨道运行的交通工具，风力对
列车的作用非常复杂 ，多起列车事故表明 ，风速
对列车的安全运行起着十分重要的作用。将风速作为
车辆运行状态安全评估的一项定量指标，记为k
1．2 铁路货运车辆运行状态安全评估指标体系建立
根据指标因素分析，铁路货运车辆运行状态安全
评估指标集K一(忌 ，k z，k。，k ，是 ，k。，k ，k ，k。，k 。，
k )，铁路货运车辆运行状态安全评估指标体系如图1
所示。
图1 铁路货运车辆运行状态安全评估指标结构
1．3 铁路货运车辆运行状态分级
对车辆运行状态评估而言，最关心的是安全问题。
本文将铁路货运车辆运行状态分为4个等级：正常、警
戒、危险、极其危险，分别记为B 、B 、B。、B 。
各等级的标准定义如下：
正常B ：多种因素共同作用下，车辆运行状态良
好，没有出现故障。
警戒B：：多种因素共同作用下，基本没有发生事
故的可能，但能预测出事故的部分前兆，需要警戒。
危险B。：车辆运行状态不佳，各因素相互作用容
易引发事故。
极其危险B4：车辆在当前的环境和运行状态下，由于
各因素的共同作用，易发生脱轨等事故，必须停车检修。
2 铁路货运车辆运行状态BP神经网络建模
铁路货运车辆运行状态本身就是一个复杂的系
统，其影响因素种类繁多且相互关联。对于这样一个
系统的安全评估，单一用定量、线性的方法是无法完成
的，而解决这些问题正好是模糊神经网络的优势所
40 铁 道 学 报 第33卷
在⋯ 。
2．1 BP神经网络的改进
2．1．1 传统BP神经网络的不足
BP(Back Propagation)神经网络是一种按误差逆
传播算法训练的多层前馈网络，虽然传统BP网络是
目前应用最多的一种神经网络形式，但也有其局限
性。
(1)训练速度慢
由于训练中稳定性要求学习率很小，所以梯度下
降法使得训练很慢。动量法因为学习率的提高通常比
单纯的梯度下降法要快，但在实际应用中还是很慢，这
两种方法通常只应用于递增训练。
(2)对初始权重非常敏感，极易收敛于局部极小
BP算法本身就是一个优秀的局部搜索算法，加上
BPNN对初始网络权重非常敏感，以不同的权重初始
化网络，BP算法会收敛于不同的局部极小。
(3)过拟合或过训练
过拟合主要指训练后的网络对训练样本(Train
Sample)具有极高的拟合精度，但是对工作样本(Work
Sample)的预测误差却非常大。过训练主要指训练网
络时，尽管训练误差还在下降，但是对于验证样本
(Validation Sample)的误差已经不再下降，甚至逐渐
增大。
2．1．2 BP神经网络的改进
将模糊理论与BP神经网络进行有机融合，即能
分段模糊预处理阶段
选择隶属函
ku
定量数据
定性数据
岛
定性数据
选择隶属函
克服BP算法训练时间较长的缺点，又能结合各自的
优势。本文提出一种串型结构的BP神经网络，由三
部分组成：第一部分为模糊处理层，主要是根据输入和
输出因素的数据分布区间或定性分类进行分段模糊处
理以及定性数据量化，处理后的数据样本遵循最大隶
属度原则进行相应排列；第二部分为神经网络学习训
练层，主要采用改进的BP神经网络学习算法和结构
模型；第三部分为反模糊数据处理层，主要是将网络输
出的数据按照最大隶属度原则进行相应的融合提炼，
得到最终的训练或评估结果。
在上述改进的神经网络模型中，采用改进的S型
函数
厂(z)一 l (1)
式中，￡一1，2。
调整后的S型激活函数的输出范围仍然是(O，1)，
满足网络输出要求；增加参数t可以加快函数的收敛
速度，减少了训练时间。同时，不同的参数值可以通过
程序自己选择比较最优的训练时间以及结果，使得网
络具有自选择性。
2．2 铁路货运车辆运行状态建模
根据铁路货运车辆运行状态安全评估指标体系得
到铁路货运车辆运行状态BP神经网络模型如图2所
示。
神经网络学习训练阶段 反模糊数据处理阶段
输入层 隐含层 输出层
图2 铁路货运车辆运行状态BP神经网络模型
、● ● ● ● 、 ●
第4期 铁路货运车辆运行状态安全评估方法及应用研究 41
3 铁路货运车辆运行状态安全评估方法应用
本文以沪宁线2006-2007年的实时监控数据和
国家气象局提供的环境气象数据为研究背景。
3．1 样本的统计分析
根据以下两个原则去除不合格样本：
(1)样本本身信息资料不完善，缺乏准确性；
(2)样本不具备代表性。
最终筛选出115个样本作为试验数据。其中训练
样本100个，评估样本l5个，评估样本已经包括了输
出因素的所有类型。
3．1．1 输入因子的确定
(1)定量因素统计分析
定量指标数据的变化分布以统计图的形式给出，
详见图3～ 图10。
0
l；
萋
^ i 什 ．
lⅢ lA^ 1i『
】 ■ ’ Y’
‘ i ’
●
1 7 1319 25 31 37 43 4955 61 67 73 79 85 91 97
样本个数
图3 样本实时速度k 统计分布
tt，．I
1t T I l 8 ．
一
川8 I I fl I
川⋯ 0 I＼ T 4 ．．
fl●IIJ ¨I1“ 材I ． ．t I1． ．
1I川 flJ J l』}』‘J 1 ． t^^ T^fv r
Ⅵ ¨ Ⅵ1 r L’Ii1． f VU ＼J＼l1t1．．、l
：lllll⋯ ． ．1“⋯X．． ⋯ ． ⋯l' ⋯． ．． ⋯ ．．
1 7 1319 25 3l 37 43 4955 61 67 73 79 85 91 97
样本个数
图4 样本左右偏载kz统计分布
I f J．．， 竹· t
l1 ¨I l1
． I lI l^』 II
l Il I I l l⋯ ．I l
f1．f{ ⋯i I I▲J lflf f f
uL．IIULJ ZL‘J ．．】f3【．．儿 ．．． IL—u^-．^L^L．-^
1 7 1319 25 31 37 43 4955 61 67 73 79 85 91 97
样本个数
图5 样本前后偏载k。统计分布
由样本的定量因素统计图可确定每个指标的样本
1 2
l
0 8
0．6
警O 4
O 2
O
一 。‘价 7’f
' ’ ’I
8
f lJ
l
一
』一 ^ ‘ ．
1 7 1319 25 3l 37 43 4955 6l 67 73 79 85 91 97
样本个数
图6 样本脱轨系数女 统计分布
1 7 1319 25 31 37 43 4955 6l 67 73 79 85 91 97
样本个数
图7 样本轮重减载率 统计分布
30
25
15
10
5
0
1 7 1319 25 3l 37 43 4955 61 67 73 79 85 91 97
样本个数
图8 样本最大车轮损伤当量k 统计分布
4
4
。
5
＼ 25
5
1 7 1319 25 31 37 43 4955 61 67 73 79 85 9l 97
样本个数
图9 样本雨量k o统计分布
1 7 l319 25 31 37 43 4955 61 67 73 79 85 9l 97
样本个数
图1O 样本风速k 统计分布
1 哥0 O O O 掷

第4期 铁路货运车辆运行状态安全评估方法及应用研究 43
输入层的节点数为37，输出层的节点数为4。
3．3．2 隐含层及节点的确定
本文采用具有两个隐含层的BP神经网络，最佳
节点数采用以下公式 计算
L 一 +c (4 )
式中， 一37； ===4；Cl一10 i C2—2。将L 四舍五入取
整数值，得L 一16，L ===8。
3．3．3 其他参数
学习速率：一般选取适中的学习速率，选择范围在
0．0l～0．8之问，本文选择0．02。
最大学习步数：10 000步。
学习动量：本文的学习动量为系统默认值0．9。
期望误差：本文经过多次对比训练，选取样本期望
误差为0．001。
3．4 训练结果及分析
网络训练在Matlab7．5．0环境下进行。图11为
学习的误差曲线，曲线图的横坐标为训练步数，纵坐标
为误差精度。由图11可知改进的BP神经网络收敛
速度快，经过3355步的学习运算后，系统达到了期望
的学习误差。
图1l 误差曲线
图12、图13是以第1、第4输出节点为例，实际输
出与期望输出的对比图。
B ^
_
~， ． ～ ．^J ^^^^^^
0 l0 20 30 40 50 印70 80 90 100
I陈步数
图12 第1输出节点输出对比图
实际输出
期望输出 1
L J、^一^^ ^． ^J
0 lU 20 30 40 50 60 70 敞J 9U Iuu
I蹈 馓
图13 第4输出节点输出对比图
3．5 铁路货运车辆运行状态评估
3．5．1 评估样本的确定
选取15个样本作为评估样本，评估样本的现场实
际情况和期望输出如表5所示。
表5 评估样本的现场实际情况和期望输出
3．5．2 评估结果及分析
对以上样本按照改进的BP神经网络的数据量化
处理方法进行预处理，得到神经网络评估输入样本。
经过训练后得到评估结果输出如表6所示。
表6 改进的BP神经网络评估输出表
隧
44 铁 道 学 报 第33卷
续表6 改进的BP神经网络评估输出表
评估值按最大隶属度原则提取，即进入反模糊数
据处理阶段。如101号评估样本的结果为：(O．969 6、
0．015 1、0．000 6、0．002 7)，这4个数中，最大值为
0．969 6，对应“极其危险”，则101号评估样本的危险
度为极其危险。按照此方法进行转化处理得到改进的
BP神经网络的最终评估结果，并且将评估结果与实际
情况进行对比，详见表7。
表7 改进的BP神经网络评估结果与实际情况对比表
由表7可以看出，改进的BP神经网络的预测评估
结果是比较理想的，15个评估中有13个是与实际吻
合的，车辆运行状态安全评估的准确率达到了
86．7％ 。
4 结论
铁路货运车辆运行状态安全评估问题一直是铁路
安全工作者研究的重点，对预防货物列车行车事故、减
少轨道车辆零部件损伤具有重要作用。本文提出了自
然环境与设备运营相结合的综合评估方法，并将车辆
热轴情况作为重要影响因素，建立了铁路货运车辆运
行状态安全评估指标体系。同时，构建了铁路货运车
辆运行状态安全评估模型，不仅考虑多因素综合作用
下的安全性，同时结合单因素极限作用，力求综合全面
实时评价车辆运行状态。根据铁路货运车辆系统的特
性，选择了改进的BP模糊神经网络作为评估系统的
数据融合手段，在Matlab7．5．0环境下进行样本的学
习和评估，评估结果准确性较高。
参考文献
[1]陈雷，吕可维．铁路货车运行品质考核指标研究[刀．铁道
学报，2006，28(3)：1l1一l15．
CHEN Lei。LU Ke-wei．Research of Ride Quality Assess—
ment of Railway Freight Cars[J]．Journal of the China
Railway Society，2006，28(3)：11卜115．
EB]王闽生，陈建政．铁路车辆偏载自动检测系统的研制[J]．
中国测试技术，2006，32(2)：56—57，77．
WANG Min-sheng，CHEN Jian-zheng．Development of Rail
Partial Load Vehicles Auto-testing System[J]．China Meas—
urement Technology，2006，32(2)：56—57，77．
r-3]阳光武，肖守讷，张卫华．列车曲线上制动时的安全性分析
[J3．铁道学报，2009，31(1)：35—39．
YANG Guang—WU。XIAO Shou—De，ZHANG W ei-hua．A—
nalysis on Safety of Train Braking on Curves[J]．Journal of
the China Railway Society，2009，31(1)：35—39．
E4]向俊，曾庆元．横向振幅超限桥梁上的列车运行安全性分
析[J]．中国铁道科学，2007，28(3)：56—61．
XIANG Jun，ZENG Qing—yuan．Safety Analysis of Trains
Running on Bridges as Their Lateral Amplitudes Exceeding
spec．f；cations[J]．China Railway Science，2007，28(3)：56—
6】．
[5]任尊松，徐宇工，王璐雷，等．强侧风对高速列车运行安全
性影响研究[J]．铁道学报，2006，28(6)：46—50．
REN Zun-song，XU Yu—gong，W ANG Lu—lei，et a1． Study
on the Running Safety of High-speed Trains under Strong
Cross winds[J]．Journal of the China Railway Society，
2006，28(6)：46—50．
[6]周丹，田红旗，杨明智，等．强侧风作用下不同类型铁路货
车在青藏线路堤上运行时的气动性能比较[J]．铁道学报，
2007，29(5)：32—35．
ZH0U Dan，TIAN Hong—qi，YANG Ming—zhi，et a1．Corn—
parison of Aerodynamic Performance of Different Kinds of
Wagons Running on Embankment of the Qinghai-Tibet
Railway under Strong Cross—wind[J]．Journal of the China
Railway Society，2007，29(5)：32—35．
E7]新华网．新疆列车遭l3级大风袭击车厢侧翻3人遇难
第4期 铁路货运车辆运行状态安全评估方法及应用研究 45
[EB／OL]．http：／／news．sina．corn．cn／c／2007-02-28／083
8123891 92．shtm1．2007-02—28．
[8]Wong W Eric，Qi Yu．BP Neural Network—based Effective
Fault Localization[J]．International Journal of Software En
gineering and Knowledge Engineering，2009，19(4)：573—
597．
E9]Xiong Naixue，Yang Laurence T，Li Yingshu，et a1．A Distribu
ted Neural Network Control Approach for Multicast Ervices
~C]／／Proceedings-10th IEEE International Conference on High
Performance Computing and Communications．Dalian：HPCC，
2008：147—154．
ElO]Aliev R A，Guirimov B G，Fazlollahi Bijan，Aliev R R．Evolu
tionary Algorithm-based Lemming of Fuzzy Neural Networks，
Part 2：Recurrent Fuzzy Neural Networks[J]．Fuzzy Sets and
Systems，2009，160(17)：2553—2566．
[1 1]Chi—H uang Lu，Ching—Chih Tsai．Generalized Predictive
Control Using Recurrent Fuzzy Neural Networks for In—
dustrial Purposes[J]．Journal of Process Control，2007，
1 7：83 92．
[122 Shafiullah G M，Simson Scott，Thompson Adam，et a1．Monito—
ring Vertical Acceleration of Railway Wagon Using Machine
Learning Technique[C]／／Proceedings of the 2008 Internation—
al Co nference on Artificial Intelligence，ICAI 2008 and Proceed—
ings of the 2008 International Conference on Machine Learning；
Models， Technologies and Applications． Las Vegas： 2008：
770—775．
[13]王艳辉，贾利民，王卓，等．基于时空序列的铁路客运量数
据挖掘预测[J]．中国铁道科学，2005，26(4)：130—134．
W ANG Yan hui，儿A Li—min，W ANG Zhuo，et a1．Study
on Prediction of Railway Passenger Traffic Volume Based
on Time—space Serial[J]．China Railway Science，2005，26
(4)：13O一134．
E14]周开利，康耀红．神经网络模型及其MATLAB仿真程序
设计EM]．北京：清华大学出版社，2005．
(责任编辑聂清立)
． ；t．址．St． ．；t．；t．5t ．St．5lL ；l上．{t ．；t ．；t
《铁道学报》论文参考文献著录格式要求
作者在撰写论文时，要将自己的成果和他人的成果区别开
来，即，只要在文中引用了他人文献，就要在文内的适当位置进
行标注，并将所引用文献按引用的先后顺序在文后以一定的著
录格式依次列出。文后参考文献要求采用文献本身的文字进行
著录，但中文期刊要求采用中英文两种文字进行著录。详细说
明如下。
本刊执行国家标准《文后参考文献著录规则》(GB／T 7714—
2005)、《科学技术期刊编排格式》(GB／T 3179—92)及《中国学术
期刊(光盘版)检索与评价数据规范》，并采用顺序编码标注制。
1 引用的文献在文内标注格式
(1)对论文所引用的文献，要按它们在文中出现的先后，在
文献的著者或成果叙述文字的右上角用方括号标注序号，或者
作为语句的组成部分。例如：
· 1981年日本仅给出了扁平车轮冲击钢轨的垂直冲击速度
公式 ，⋯⋯
· 薛杜普等 指出棉酚从体内排泄缓慢。
· 文献[2]指出，棉酚从体内排泄缓慢。
· 定理的证明见文献[3]。
(2)引用多篇文献或同～ 著者多篇文献时，只需将各篇文献
的序号在方括号内全部列出，各序号间用“，”分开；如遇连续序
号，可用“”连接，略去中间序号。例如：
· 早期的研究结果[2，4，6 9]表明，⋯ ⋯
(3)多次引用同一著者的同一篇文献时，在正文中标注首次
引用该文献的文后参考文献序号，并在该序号的“[]”外著录引
文页码。例如：
· 由于“思想”的内涵是“⋯ ⋯ 的结果”[
“
⋯ ⋯ 方向和目标”l 2l ，⋯⋯
2 文后参考文献著录格式及示例
2．1 专著及专著中的析出文献
“专著”是以单行本或多卷册形式，在限定期限内出版的非
连续性出版物。主要包括图书、学位论文、技术报告、标准、会议
文集、汇编、多卷书、丛书等。“专著的析出文献”是指专著中析
出的具有独立篇名的文献。为方便读者，建议图书、学位论文、
科学技术报告、标准、多卷书、丛书等采用“专著”的著录格式；会
议文集、论文集、汇编等采用“专著的析出文献”著录格式。
2．1．1 专著
其著录项目和格式为：
[序号]主要责任者．题名：其他题名信息[文献类型标志]．
其他责任者．版本(第1版不标注)．出版地：出版者，出版年：引
文所在的起止页码．
(1)图书
[1]翟婉明．车辆一轨道耦合动力学[M]．北京：中国铁道出版
社，1997：74—80．
(2)学位论文
[1]党建武．神经网络方法求解组合优化问题的研究[D]．成
都：西南交通大学，1996：20—25．
(3)科学技术报告
[11朱家荷，韩调．铁路区间通过能力计算方法的研究[R]．
北京：铁道部科学研究院运输及经济研究所，1989：34．
(下转第52页)

网友评论 more

交通安全论文最新内容

02-21