高铁列控车载设备故障知识图谱构建方法研究

作为列控系统的核心,车载设备有着结构复杂,模块间联系紧密的特点,若在行车过程中发生故障,将直接影响列车安全高效运行。为使维修人员准确掌握车载设备故障情况,借助智能化的手段对蕴含丰富经验信息的车载故障维修日志进行研究,有着重要的现实意义。研究通过分析该类日志特点,提出自顶向下与自底向上相结合的方式构建车载设备故障知识图谱。以车载故障维修日志实体关系转换为基础,将半结构化数据实体识别视为关键短语提取问题,提出词向量、主题模型与词典特征相结合的方法先获取关键词语,再通过Bi-gram模型将故障词语拼接为候选故障短语,其中评分最高者即为所需故障实体。实体间的关系则采用基于模式匹配的方法,构建车载故障关系模板,挖掘故障间的联系。对于识别实体的冗余和错误问题,利用实体向量间的余弦相似度计算,通过阈值设定实现实体融合,完成车载设备故障的知识挖掘。最后,以某铁路局2019～2020年车载故障维修日志为数据进行实验,累积抽取出故障实体339个,故障关系734条,据此构建车载设备故障知识图谱,并以可视化方式展示和检索车载设备故障间关系,有效提高了车载故障日志的知识发现能力,便于指导车载设备故障维修。     

基于知识图谱的CTC系统故障诊断方法研究

针对调度集中系统故障诊断效率低的问题，结合系统故障日志文本，提出一种基于知识图谱的故障诊断方法。通过预处理提取文本中的结构化元素，基于语义角色标注方法提取故障实体；构建实体关系模板，并依据模式匹配挖掘实体间联系；采用依存句法特征相似度进行实体融合，并通过Neo4j图数据库构建知识图谱，实现调度集中系统故障诊断。以某铁路局2014—2020年的CTC系统故障日志为例，累计抽取故障实体1 117个、实体关系1 605条，构建知识图谱进行可视化展示，实现调度集中系统故障成因溯源和致因推荐，为现场维修人员提供辅助决策。     

基于关联规则的铁路信号设备故障诊断方法

为提升铁路信号设备的故障处理效率,在对故障文本信息分析的基础上,提出一种基于关联规则的铁路信号设备故障诊断方法.由于故障文本信息存在不规范性和高维性,首先采用TF-IDF(Term Frequency and Inverted Document Frequency)算法提取故障文本信息中的故障特征,根据故障特征、故障类...     

铁路信号设备故障预测与健康管理系统研究

针对目前以信号集中监测系统、道岔缺口系统为主要产品形态的铁路信号设备监测系统存在的数据孤岛、监测不全面等问题,以及实现故障状态修的需求,提出基于物联网技术、数据统计技术、数据挖掘技术、专家规则技术构建铁路信号设备故障预测与健康管理系统,彻底解决数据孤岛的问题,为道岔转换设备、轨道电路、继电器、信号机、电源屏等关键信号设...     

基于混合模型的道岔综合监测系统研究

道岔作为关键的铁路信号设备，也是铁路线路三大薄弱环节之一，其工作质量直接影响列车的运行安全。传统的道岔检测方法过分依赖人工经验，检测效率低下，难以应对现有铁路运行中行车速度快、发车密度高等对道岔维护所带来的严峻挑战，并且现有道岔监测也存在监测项目不全面等问题。为满足工电融合需要，开发了一套基于混合模型的道岔综合监测系统，使用卷积神经网络自动进行特征提取，以获取道岔状态，充分发挥深度学习的自动特征提取优势；采用支持向量机和向量域的混合算法，对正常/故障数据进行分类和异常检测，从而提高故障检测的准确率。测试结果表明：与现有人工巡检方法相比，该系统能够为相关人员提供精准、实时的道岔故障预警，提高维护效率，有效减少人力成本且降低道岔病害的发生概率。     

基于不平衡文本数据挖掘的铁路信号设备故障智能分类

针对铁路信号设备不平衡故障文本数据,提出基于文本挖掘的铁路信号设备故障智能分类模型。采用TF-IDF模型实现电务信号设备故障文本的特征提取并转换为向量,基于Voting的方式实现多分类器集成学习分类。该模型利用SVM-SMOTE算法对TF-IDF转换后的小类别文本向量数据进行随机生成,采用逻辑回归、朴素贝叶斯、SVM等基分类器和GBDT、随机森林集成分类器对平衡后的数据进行分类,考虑不同分类器的适用特点,通过Voting方式进行多分类器集成学习。通过对某铁路局2012—2016年铁路信号设备故障文本数据进行试验分析,表明该模型可使故障分类的准确率、召回率和F-score均得到显著提升。     

道岔转换设备故障诊断与预测系统研究与设计

道岔转换设备作为故障率较高的关键铁路信号设备,在铁路运营维护工作中需要投入大量人力和物力。基于信息感知、无线通信、物联网、云平台和专家系统等新型技术,提出一种道岔转换设备故障诊断与预测系统设计,可在线监测道岔转换设备的运行状态,对故障进行实时诊断和精确定位,为实现故障预测与健康管理提供支撑。     

基于SOM-BP混合神经网络的道岔设备退化状态研究

针对道岔设备故障频繁、维修成本高,且现有基于故障数据的诊断方法无法描述道岔退化过程,难以实现故障超前预判的问题,进行基于SOM-BP混合神经网络的道岔设备退化状态研究。依据采集的道岔非故障功率数据按区段提取峰值、方差、峭度等特征参数,基于平均影响值进行特征参数选择,并确定输入维数;使用自组织特征映射(SOM)神经网络对输入特征参数进行多次聚类学习,分析学习结果得到6种退化状态样本数据;构建15-13-6型BP神经网络结构模型,实现对道岔设备退化状态的识别。结果表明,采用SOM-BP混合神经网络进行道岔设备退化状态识别的准确率达到95.56%。     

基于神经网络的道岔智能故障诊断方法的研究

本文将神经网络信息融合技术运用在铁路道岔故障诊断领域,为铁路信号领域提出了一种新型的道岔智能故障诊断方法。该方法能快捷、准确地融合从各传感器得到的故障信息,通过人工智能处理,自动诊断出故障原因,为维修人员提供技术参考,从而降低故障发生率和故障处理时间,确保运行安全,提高运行效率。     

基于Doc2vec-LightGBM的CBTC车载信号设备故障分类诊断方法

车载信号设备是城市轨道交通信号系统的重要组成部分,其运营过程中会产生海量离散化、片段化的日志文本数据。目前,CBTC车载设备故障记录文本仍存在语义不明确、词语冗余的问题,从而造成故障致因溯源难,针对此,提出一种基于Doc2vec-LightGBM的CBTC车载设备故障自动分类诊断方法。首先对故障文本使用Jieba完成文本分词,依据TF-IDF实现分词文本数据的特征提取,并采用Doc2vec训练文本分词向量;其次针对数据不均衡的问题,采用Borderline-SMOTE算法进行少数类文本向量数据的补全泛化;最后,通过训练轻量梯度提升机LightGBM分类器完成故障文本自动分类。采用某信号厂商所记录的1 133条故障文本数据进行分类实验分析,并与支持向量机(SVM)方法对比。实验结果表明,所提方法在分类精确率、召回率上分别为98.2%、97.5%,证明了该故障文本自动分类方法的有效性和优越性。     

一种基于BIM模型的铁路站场线路结构数据提取智能算法

基于BIM的铁路站场智能审查中，识别站场线路结构并提取为可用于审查的整体线路是关键问题。站场线路为线状实体工程，线路的BIM模型往往被道岔、轨缝、绝缘头等构件分割，因此线路结构具有离散性，难以被识别并提取为可用于审查的整体线路集合数据。针对这一问题，结合知识工程、图论，分别对线路规范、知识等文字性描述条文与线路图形结构等图形信息进行计算转译，两者结合后对线路图形信息进行识别，从而实现对整体线路结构数据的获取。首先，根据线路中线信息，获取识别站场线路结构所需的推理知识，建立线路基本特征与线路结构特征计算表达，依据一阶逻辑形式语法编制了线路结构描述的多级词汇表，并进行知识编码形成线路结构的计算语义表达；然后，根据线路在BIM软件中的数据结构，与图论相结合，实现了对线路结构图的计算转译，形成线路结构的无向图，随后根据深度搜索算法并结合线路基本特征，构建了一种考虑线路结构特征知识的类树结构构建算法，实现了单次遍历树形结构即可获取初步的线路整体结构数据；进一步，使用线路结构特征与一阶推理分析初步线路整体结构，从而将其提取为最终的整体结构数据。结果表明，本文所述算法可以高效地分析各类站场线路结构并...     

基于文本分析的高速铁路道岔故障分类模型研究

道岔是保障高速铁路运输安全的关键电务信号设备,研究其故障发生规律对指挥现场人员巡检和维修作业具有重要意义。针对非结构化铁路道岔故障描述的文本数据分类,根据高速铁路道岔故障发生原因和设备结构,结合专家经验进行人工划分,基于实时道岔动作电流或转辙机拉力等结构化数据进行自动分类。提出一种新的基于非结构化历史道岔故障文本描述的文本分类模型,首先应用融合铁路领域词典的中文分词工具Jieba进行分词,并通过Word2Vec和TF-IDF分别生成特征向量,最后应用SVM模型实现铁路道岔故障的智能分类。试验表明,该分类模型可以取得较好的分类结果,为现场作业人员提供一种客观的、基于海量历史数据的故障诊断模型。     

基于PLSA和SVM的道岔故障特征提取与诊断方法研究

铁路局和电务段长期以来保留的道岔故障记录是非常宝贵的数据,对道岔故障类型统计、故障特征分析、故障诊断和故障预测有非常好的参考作用,但这些数据往往保存格式多样,难以直接利用。本文提出基于主题模型PLSA和支持向量机SVM的道岔设备故障特征提取与诊断方法。通过分词算法将故障文档表达在词项特征空间中;采用主题模型算法提取主题特征,并将故障文档表达在主题特征空间上;以SVM算法构造诊断器实现道岔设备的故障诊断。利用中国铁路广州局集团有限公司道岔故障记录的真实数据,对提出的算法有效性进行验证。实验表明,提出的算法能有效实现道岔设备故障诊断,对现场维护有一定的指导意义。     

铁路道岔转辙机故障分析与故障诊断监测系统研究

道岔转辙机频繁工作,作为铁路系统中最为重要的设备之一,其工作状态直接关系到列车的正常运营。目前采用"一周一小修、一月一大修"的模式对道岔转辙机进行维护。该模式效率较低,增加人工成本,无法保证相关设备的实时运行性能,不能对迅速恶化的故障进行及时排查。为解决上述问题,保证铁路系统的安全运营,必须采用相关监测设备对关键部位的数据进行实时采集和跟踪分析,并根据故障特征对设备潜在的故障进行自动识别,从而提前进行设备排查和维护。铁路道岔转辙机故障分析与故障诊断监测系统通过实时监测设备状态信息,进行设备故障临界信息的获取和自动识别,诊断故障的严重程度,及时提醒安排维护维修计划,可减少维修维护工作量,保障列车安全平稳运营,提高运输效率。     

基于DCNN-SVM的道岔智能故障诊断方法研究

针对道岔故障难检测、难分类、时效差等难题，以S700型转辙机道岔为研究对象，提出一种基于DCNN-SVM的道岔故障诊断方法。首先从道岔正常转换曲线和发生故障时的动作曲线入手，总结故障类型、故障原因和故障信号形态特征，并对道岔转换动作曲线进行预处理，即数据统一维度和归一化。然后计算标准电流曲线和功率曲线，根据道岔转换曲线与标准曲线的相似度来识别道岔转换正常和异常。再采用分区时域特征提取和ReliefF特征筛选，选取对故障分类具有明显效果的时域特征，以及根据深度学习算法获取的图像特征，形成有效特征向量空间。最后使用训练集对DCNN-SVM道岔故障诊断算法进行模型训练，并基于诊断模型实现道岔故障的实时诊断。实验表明：在样本数据量足够大的情况下，DCNN-SVM道岔故障诊断方法正确率达99.01%,相比SVM算法提高0.64%,对保障行车安全具有十分重要的作用。     

基于Labeled-LDA的列控车载设备故障特征提取与诊断方法研究

准确地诊断出列控车载设备的故障类型是保障列车安全运行的基础。针对车载设备故障诊断问题,根据北京动车段300T车载日志数据的特点,基于数据挖掘方法并结合现场技术人员的经验知识,构建车载设备的故障特征词库;在此基础上,改进了Labeled-LDA(Latent Dirichlet Allocation)模型用于提取日志数据的语义特征。采用基于粒子群优化的支持向量机算法PSO-SVM对日志文本的故障进行分类,以降低故障样本数据分布不均衡对分类精度的影响,并与传统的支持向量机算法SVM,K最近邻算法KNN进行对比分析。实验结果表明,KNN、SVM、PSO-SVM三种算法的故障文本数据一级故障诊断准确率依次为79.4%,81.8%和90.9%,二级故障诊断准确率依次为74.6%,78.1%和81.3%,验证了PSO-SVM算法在车载设备故障诊断方面的有效性。该研究成果对列控车载设备日常维护具有一定的指导意义。     

基于隐马尔科夫模型的道岔故障诊断方法

针对国内外高速铁路的快速发展,道岔故障严重影响行车安全及运输效率,本文提出一种基于隐马尔科夫模型的道岔故障诊断方法,通过增加道岔设备的潜在故障状态,将道岔设备的状态进行多状态细分。采用基于Fisher准则函数和主成分分析的方法进行特征提取,矢量量化处理后,建立不同故障模式下的HMM模型,通过比较测试数据与训练得到的不同HMM模型的匹配值进行故障诊断。利用京广铁路长沙南某型号道岔连续动作功率数据,对模型的性能进行测试,完成了故障诊断的实现与验证。仿真结果表明,采用四维特征信息时,其训练时间相对于其他机器学习方法有了较大提高,正确率达到90%以上,且该方法将道岔状态进行细分,通过分析每种状态之间的状态转移,可以预测道岔故障,从而进行道岔设备健康状态监测。     

铁路运输设备故障知识图谱构建与应用研究

铁路运输设备故障数据的科学分析对提升铁路安全保障水平具有重要意义。文章在研究铁路运输设备安全保障体系的基础上，阐述铁路运输设备故障知识图谱构建过程，提出铁路运输设备故障知识图谱构建和应用架构，以及基于该图谱的故障智能诊断与处理、风险管理和智能问答的知识应用场景，为铁路各专业分析设备故障数据提供参考。     

铁路专家系统功能及应用

铁路信号专家系统集成信号领域的专家经验,采用信号专业的相关知识,具有对6502电路故障实时诊断,对进路、道岔电路、轨道电路实时监督与分析,故障自动通知、系统管理、故障报警及处理、维修分析报告等功能。适用于各种信号联锁、闭塞制式和设备的数据分析,满足故障修、状态修、修程指导和维修能力分析的各种维修需求。     

铁路信号专家系统功能及应用

铁路信号专家系统集成信号领域的专家经验,采用信号专业的相关知识,具有对6502电路故障实时诊断,对进路、道岔电路、轨道电路实时监督与分析,故障自动通知、系统管理、故障报警及处理、维修分析报告等功能.适用于各种信号联锁、闭塞制式和设备的数据分析,满足故障修、状态修、修程指导和维修能力分析的各种维修需求.