基于文本挖掘的高铁信号系统车载设备故障诊断

本文以故障文本信息为依据,提出基于文本挖掘的高铁信号系统车载设备的故障诊断方法。针对故障追踪表记录的不规范性和随意性,采用主题模型对故障追踪表进行分析和特征提取;在此基础上,考虑到高铁信号系统车载设备故障诊断的不确定性,采用贝叶斯网络作为故障分类的方法。在贝叶斯网络结构的确定中,根据车载设备的特点与领域专家知识,提出适用于车载设备的贝叶斯结构学习算法HDBN_SL。以武广线的现场数据为依据,进行实验分析,测试结果表明本文特征提取以及故障诊断方法具有较好的诊断准确性。     

基于贝叶斯网络的高铁信号系统车载设备故障诊断方法的研究

考虑到高铁车载设备故障诊断的不确定性和复杂性,本文提出了基于贝叶斯网络的车载设备故障诊断系统。在建立贝叶斯网络结构的过程中,基于充分利用现场数据与先验知识的思想,本文通过融合不同方法(K2算法,MCMC算法和专家知识)得到最优的贝叶斯网络结构。最后,本文进行了实例分析与模型验证,并与KNN算法、BP神经网络算法进行比较,测试结果表明该模型的正确性和有效性。文中的验证数据来自武广高铁车载设备故障追踪表。     

FFTA与BN在ZPW-2000A轨道电路故障诊断中的应用分析

将FFTA(Fuzzy Fault Tree Analysis,模糊故障树分析法)应用到ZPW-2000A轨道电路系统的故障诊断分析之中,可以解决系统各部件之间具有不确定性的联系以及各部件的故障概率数据较少,无法精确获得的问题。将模糊逻辑理论引入到FTA(Fault Tree Analysis,故障树分析)中,使传统的FTA具备了处理模糊信息的能力。再根据模糊故障树构造BN(Bayesian Networks,贝叶斯网络),利用BN的双向推理功能计算出ZPW-2000A系统的故障概率,并可以寻找出最有可能导致系统发生故障的原因。     

基于模糊贝叶斯网络的受电弓系统可靠性分析

针对在受电弓系统可靠性分析中的模糊故障树计算复杂,无法反向推理和不能很好地处理认知不确定性的问题,提出结合证据理论的模糊贝叶斯网络对多状态受电弓系统可靠性分析的方法。根据专家经验和历史数据构建T-S模糊故障树,然后依照相应的映射规则将T-S模糊故障树映射为模糊贝叶斯网络模型,并且构建各节点的条件概率表,同时结合证据理论分析方法对多态受电弓系统进行可靠性分析,根据各根节点的故障证据区间计算出中间节点和叶节点各故障状态的故障率模糊子集、根节点的概率重要度、关键重要度和后验概率,根据可靠性分析结果找出影响系统可靠性的薄弱环节,分析结果与动车组受电弓实际情况相符合,验证了算法的可行性和有效性。     

CTCS3-300T型列控车载设备继电器运用质量分析

继电器是CTCS3-300T型列控车载设备的重要组成部分。如果继电器发生故障,将导致车载设备宕机,严重影响动车组列车的运行。因此,保证继电器的运用质量,对动车组的安全运行起着至关重要的作用。本文对继电器在车载设备中的运用质量进行分析,给出相应的处理措施,提出预防故障发生和降低故障影响的建议。     

基于动态贝叶斯网络的CTCS3-300T列控车载系统运行可靠性及可用性评估

考虑运行过程、多状态性、动态失效及恢复机制等问题,基于动态贝叶斯网络对CTCS3-300T车载系统运行可靠性及可用性进行评估。在分析300T车载系统结构及可靠性框图的基础上,结合系统运行过程,实现动态贝叶斯网络的结构学习和参数学习。动态贝叶斯网络推理结果表明:300T车载系统具有高运行可靠度和可用度,系统失效后,能通过切换冗余开关迅速恢复系统功能;为提高系统可靠性和可用性,对系统功能模块的重要度顺序和导致系统失效的敏感性元件顺序进行了研究。研究结果表明:在系统运行阶段,对主系统和备系统进行定期切换,能有效提高运行可靠度;备用动车组可有效提高运行可用度。最后,通过中国铁路某集团有限公司300T车载系统现场维护数据验证本文分析结果的准确性和有效性。     

基于贝叶斯知识库的牵引变电所故障诊断方法

介绍了一种基于贝叶斯知识库TBKB的牵引变电系统故障诊断方法,运用贝叶斯网络在处理不确定性和不完备性问题时的推理能力,处理实际报警信息中继电保护信息的不确定情况;利用TBKB的表达能力表示保护、断路器间的约束关系;利用保护与断路器的逻辑关系与约束关系确定故障元件,并通过算例验证了方法和模型的可行性。     

基于贝叶斯网络的列控车载设备故障诊断方法

列控车载设备故障排查与维护多依赖于人员经验,存在一定的片面性且效率较低。提出一种基于贝叶斯网络的列控车载设备故障智能诊断方法,基于历史故障数据得到故障征兆,利用粗糙集理论对故障征兆进行属性约简,降低训练模型的复杂度;将专家知识与故障数据训练相结合,改进贝叶斯网络模型,并将故障征兆关联关系融入模型中。以武广线列控故障数据为例,验证该模型的诊断效果。该方法对提升列控系统故障诊断的智能化水平具有借鉴意义。     

基于弹复力效应的列控车载设备可靠性分析方法

列车运行控制系统结构复杂,列车在运行过程中,任何微小的干扰都有可能造成行车事故,甚至导致灾难性的后果。弹复力是指系统在正常运行状态过程中,由于系统内部潜在故障或外部突发干扰引起系统功能中断的情况下,系统内部被动或由于外部主动因素进行系统状态修复,再恢复到正常运行状态的响应能力。通过对历史故障数据的统计分析,选择故障现象较集中的车载设备作为研究对象。采用离散时间贝叶斯网络方法,对列控车载设备进行运行可靠性分析;通过构造"弹性三角"模型,计算出车载子系统在不同故障情况下的弹复能力。经计算当系统发生短期可恢复故障时,系统的弹复能力为96.32%。依据上述分析结果,提出基于弹复力效应的系统视情维修策略。     

基于快速贝叶斯网络的S700K转辙机故障诊断研究

转辙机故障对铁路运输安全和效益影响重大,针对转辙机故障原因与现象之间的复杂不确定性关系,提出一种基于粗糙集约简的高效贝叶斯网络故障诊断方法。首先,建立故障诊断决策表,利用改进的差别矩阵算法剔除对结果影响较小的属性,得到最简故障诊断决策表。其次,根据表中故障现象与故障类型连接关系建立贝叶斯网络模型,利用推理算法求解各类故障发生的概率。算法通过约简属性简化贝叶斯网络结构,降低算法复杂度,加快计算速度。最后,用某车站转辙机故障实例验证该智能故障诊断方法的正确性。     

基于贝叶斯网络的全自动运行系统弹性评估

结合列车全自动运行系统的弹性评估,提供一种基于贝叶斯网络模型的评估方法。根据列车故障前后的 性能变化曲线,总结系统弹性的 4 种能力,探究影响这些能力的相关因素,为影响因素的定量选取合适的评价指 标,作为贝叶斯网络的最底层节点。对指标制定打分表,获取专家的打分结果作为指标层的先验概率输入,同时 选择恰当的隶属度公式作为条件概率的计算方法,获得贝叶斯网络的条件概率表,建立列车全自动运行系统的贝 叶斯网络模型,定量评估系统弹性,同时对目标节点进行敏感度分析,提出提升弹性的改进建议。     

高速列车横向振动自适应神经模糊控制的仿真

为了设计出智能的列车悬挂系统,提出了基于神经网络的自适应模糊控制。模糊控制主要是针对系统的非线性;神经网络控制是产生模糊控制的控制规则。通过自适应神经网络的模糊推理系统(ANFIS),把神经网络和模糊控制相结合。神经网络根据采集的数据来进行训练,产生不同的控制规则,使模糊控制器对路面的变化具有自适应能力。仿真结果表明:该方法可在一定程度上减少轨道对列车车身的振动,提高列车在路面行驶的平稳性。     

基于贝叶斯网络推理的列车可靠性评估方法

基于复杂网络理论建立了城市轨道列车的系统可靠性网络模型,提出了一种基于贝叶斯网络推理的系统可靠性评估方法。其中,为解决计算时不可量化的参数问题,提出了去权去方向化处理方法。对列车受电弓系统建模和计算结果表明,基于贝叶斯网络理论的系统可靠性评估方法可作为实用的建模和分析方法应用于城市轨道列车机械系统的可靠性分析。     

基于粗糙集与模糊神经网络的车-地无线通信设备故障诊断研究

针对传统铁路列车车-地无线通信设备网络故障诊断模型结构复杂,诊断精度不高等问题,运用粗糙集理论(RS)、模糊系统(FS)和神经网络(NN)相融合的方法进行铁路列车车-地无线通信设备故障诊断研究。首先对原始样本数据进行模糊化处理,建立故障诊断样本数据表,基于粗糙集理论对故障样本数据进行约简,去除冗余属性,减少样本输入,然后利用约简后的数据训练神经网络,建立基于粗糙集与模糊神经网络车-地无线通信设备故障诊断系统模型结构;最后,将该模型运用于故障诊断中。试验结果对比表明,此方法简化了网络的结构,缩短了训练所需要的时间,提高了故障诊断的精度,从而验证了该方法的可行性。     

基于贝叶斯网络的驼峰超速连挂事故分析

针对驼峰超速连挂事故进行分析。分析对事故有重要影响的线路、调速设备和车辆等因素,考虑到贝叶斯网络能较好解决不确定性问题以及可以双向推理的特点,建立驼峰超速连挂事故树,并将其转化成贝叶斯网络,计算顶上事件的发生概率以及基本事件的后验概率。结果表明,超速连挂事故的主要影响因素为线路纵断面、调速设备制动能力以及新型重载车辆三方面。进一步考虑新型重载车辆的共因失效问题,建立贝叶斯共因失效混合网络,计算并分析新型重载车辆对超速连挂事故的影响程度以及对既有驼峰的适应性。     

基于贝叶斯网络的地铁牵引变电所可靠性分析

地铁牵引变电所作为城市轨道交通系统的关键环节,其可靠性研究对保障系统安全稳定运行有着重要意义。为了对地铁牵引变电所(简称:变电所)展开可靠性评估,利用GeNIE仿真软件,基于贝叶斯网络,构建了典型变电所静态下的可靠性模型,计算了变电所的初始故障概率;利用动态贝叶斯网络对典型变电所在时间维度上展开可靠性分析,精确地计算了变电所失效概率随时间变化的曲线;利用贝叶斯网络的双向推理功能找到变电所的薄弱环节,对变电所关键节点的识别、维护以及网络结构设计优化具有一定的意义。     

主观贝叶斯方法在列车占用丢失报警原因分析中的应用

根据铁总公司要求,TDCS/CTC系统增加列车占用丢失报警功能,为保证列车运行安全、提高列车运行效率,在发生列车占用丢失报警时,需要及时且准确地判定报警原因.主观贝叶斯方法是一种概率推理方法,能从不完全、不精确或不确定的知识和信息中做出推理.列车占用丢失报警原因分析具有现象与原因的不确定性.本文将主观贝叶斯方法引入列车占用丢失报警原因分析中.最后利用大量算例进行验证,验证结果表明了该方法的合理性和实用性.     

地铁列车车门系统故障分析及诊断方法

车门系统作为地铁列车的重要组成部分,其工作状态对于列车的安全运行有重要意义。文章介绍了列车车门的结构和常见的车门故障,对故障产生的原因做了简要分析。针对列车车门故障,文章分别介绍了基于决策树、人工神经网络和贝叶斯网络的故障诊断方法。     

降低城轨列车控制继电器故障率措施

根据津滨轻轨列车控制继电器的实际使用情况,对城轨列车控制继电器在使用过程中出现的故障进行了统计,分析了故障的原因,并提出了降低故障率的相关措施。