基于文本挖掘的高鐵信號系統(tǒng)車載設備故障診斷.pdf

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

2、結(jié)構(gòu)和現(xiàn)有故障數(shù)據(jù)的基礎上，將高鐵車載設備的故障診斷分為兩個方面進行研究:1）故障數(shù)據(jù)的特征提取;2）故障的不確定推理。目前在鐵路領域，車載設備的故障征兆均以自然語言的形式記錄，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義不明確的現(xiàn)象;同時對于車載設備，由于各個組件之間的復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。這種語義的不明確以及映射關(guān)系的不確定性構(gòu)成了車載設備故障診斷

3、的兩大挑戰(zhàn)。
　　考慮到以自然語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故障文本數(shù)據(jù)進行分析，得到文本在主題空間中的表達，以此來進行降維和特征提取;在此基礎上，針對車載設備故障診斷的不確定性，論文采用貝葉斯網(wǎng)絡(Bayesian Networks，BN)作為故障診斷方法，在得到車載設備的診斷BN時，充分結(jié)合現(xiàn)場數(shù)據(jù)和領域知識，提出了一種適用于車載設備的貝葉斯結(jié)構(gòu)學習算法:分層診斷貝葉斯網(wǎng)絡的結(jié)構(gòu)學習算法(HDBN

4、SL)。隨后論文以高鐵武廣線的現(xiàn)場數(shù)據(jù)為依據(jù)，進行了實驗分析，測試結(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確性。最后，通過C＃和Malab的混合編程，設計和實現(xiàn)了車載設備的故障診斷系統(tǒng)，該系統(tǒng)能夠?qū)收蠑?shù)據(jù)進行錄入、分析、診斷和可視化展示。
　　論文通過以下創(chuàng)新性工作，對車載設備故障診斷體系進行了拓展和豐富:
　　(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)的基礎上，得到了車載