基于文本信息抽取的高鐵車載設備故障發(fā)現(xiàn)的理論與方法.pdf

1、列車運行控制系統(tǒng)（簡稱列控系統(tǒng)，Chinese Train Control System，CTCS），由地面設備系統(tǒng)和車載設備系統(tǒng)構(gòu)成，車載設備系統(tǒng)對高鐵的運行起著至關(guān)重要的作用。車載計算機運行中形成的Log日志文件和工作人員撰寫的交接班記錄中包含著大量的、反映車載設備運行狀態(tài)的信息，是車載設備故障發(fā)現(xiàn)和診斷的重要依據(jù)。然而對這兩類文本數(shù)據(jù)的利用目前仍局限于工作人員人工記錄、查詢和解讀，存在效率低、主觀性強、缺乏理論指導意義等一系列問題

2、。
　　本文針對以上問題，通過對上述兩類文本進行信息抽取和整理，建立了較為完備的故障字典;基于正則表達式方法，結(jié)合Matlab仿真，實現(xiàn)了Log日志文件語句的自動定位，開發(fā)了車載設備故障發(fā)現(xiàn)的自動化處理平臺;從而提高了工作人員交接班故障發(fā)現(xiàn)、記錄和分析流程的工作效率;避免了以往人工處理的主觀性;所構(gòu)建的故障字典對故障發(fā)現(xiàn)和進一步研究具有指導意義。本文的工作主要有以下幾個方面。
　　首先，本文介紹了高鐵車載設備的基本結(jié)構(gòu)及本文

3、研究需要的兩類數(shù)據(jù)源，即:車載計算機Log日志文本及工作人員交接班記錄文本;分析了兩類文本文件的數(shù)據(jù)特點，總結(jié)了信息抽取算法等研究成果;采用數(shù)據(jù)挖掘工具WEKA與SQL Server數(shù)據(jù)庫相結(jié)合的方式進行處理探索，發(fā)現(xiàn)了常規(guī)故障文本數(shù)據(jù)挖掘的問題。結(jié)合兩類文本數(shù)據(jù)特點，確定了故障發(fā)現(xiàn)與自動定位的研究框架。
　　其次，確定了最大匹配分詞算法和TFIDF算法對工作人員交接班記錄和Log日志文件進行信息抽取，構(gòu)建了標準化的故障字典，并且