基于文本挖掘的高鐵信號(hào)系統(tǒng)車(chē)載設(shè)備故障診斷.pdf

1、高速鐵路信號(hào)系統(tǒng)車(chē)載設(shè)備是中國(guó)列控系統(tǒng)的核心設(shè)備之一，是保證高鐵安全運(yùn)營(yíng)和影響鐵路運(yùn)輸效率的關(guān)鍵因素。然而來(lái)自武廣高速鐵路故障追蹤表的數(shù)據(jù)顯示，目前車(chē)載設(shè)備發(fā)生故障的概率仍然相對(duì)較高;而且目前車(chē)載設(shè)備的故障診斷技術(shù)和維護(hù)手段仍然依據(jù)專(zhuān)家經(jīng)驗(yàn)，已不能滿(mǎn)足我國(guó)鐵路發(fā)展的迫切需求。因而開(kāi)展關(guān)于高速鐵路車(chē)載設(shè)備故障診斷方法的研究具有重要意義。
　　論文以我國(guó)目前高鐵系統(tǒng)廣泛使用的300公里的高鐵車(chē)載設(shè)備為研究對(duì)象，在深入分析高鐵車(chē)載設(shè)備的

2、結(jié)構(gòu)和現(xiàn)有故障數(shù)據(jù)的基礎(chǔ)上，將高鐵車(chē)載設(shè)備的故障診斷分為兩個(gè)方面進(jìn)行研究:1）故障數(shù)據(jù)的特征提取;2）故障的不確定推理。目前在鐵路領(lǐng)域，車(chē)載設(shè)備的故障征兆均以自然語(yǔ)言的形式記錄，此種記錄形式的不規(guī)范性和隨意性，使得故障征兆中存在大量的語(yǔ)義不明確的現(xiàn)象;同時(shí)對(duì)于車(chē)載設(shè)備，由于各個(gè)組件之間的復(fù)雜性以及故障征兆描述的不規(guī)范性，使得故障原因與故障征兆之間的因果關(guān)系表現(xiàn)為一定的不確定性。這種語(yǔ)義的不明確以及映射關(guān)系的不確定性構(gòu)成了車(chē)載設(shè)備故障診斷

3、的兩大挑戰(zhàn)。
　　考慮到以自然語(yǔ)言記錄故障征兆的不規(guī)范性和隨意性，論文首先采用主題模型對(duì)故障文本數(shù)據(jù)進(jìn)行分析，得到文本在主題空間中的表達(dá)，以此來(lái)進(jìn)行降維和特征提取;在此基礎(chǔ)上，針對(duì)車(chē)載設(shè)備故障診斷的不確定性，論文采用貝葉斯網(wǎng)絡(luò)(Bayesian Networks，BN)作為故障診斷方法，在得到車(chē)載設(shè)備的診斷BN時(shí)，充分結(jié)合現(xiàn)場(chǎng)數(shù)據(jù)和領(lǐng)域知識(shí)，提出了一種適用于車(chē)載設(shè)備的貝葉斯結(jié)構(gòu)學(xué)習(xí)算法:分層診斷貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)算法(HDBN

4、SL)。隨后論文以高鐵武廣線(xiàn)的現(xiàn)場(chǎng)數(shù)據(jù)為依據(jù)，進(jìn)行了實(shí)驗(yàn)分析，測(cè)試結(jié)果表明本文特征提取算法和故障診斷算法具有較好的有效性和準(zhǔn)確性。最后，通過(guò)C＃和Malab的混合編程，設(shè)計(jì)和實(shí)現(xiàn)了車(chē)載設(shè)備的故障診斷系統(tǒng)，該系統(tǒng)能夠?qū)收蠑?shù)據(jù)進(jìn)行錄入、分析、診斷和可視化展示。
　　論文通過(guò)以下創(chuàng)新性工作，對(duì)車(chē)載設(shè)備故障診斷體系進(jìn)行了拓展和豐富:
　　(1)提出了一種基于主題模型的故障文本數(shù)據(jù)特征提取算法。在分析故障文本數(shù)據(jù)的基礎(chǔ)上，得到了車(chē)載