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。     

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。     

谈城轨交通CBTC系统故障归类及其设计应对策略

对南京地铁2号线CBTC系统故障进行分类,其中包括ATS设备、轨旁设备、车-地通信设备、车载设备不同故障类别,并从设计角度,针对不同类别故障,提出了保障地铁正常运营的设备冗余配置、备用降级模式等应对策略。最后,介绍了运营中的信号故障处理。     

CBTC系统车载设备常见故障原因分析及解决方案

基于成都地铁1号线、2号线CBTC(基于通信的列车控制)系统故障数据统计,车载设备故障约占CBTC系统故障总数的75％.对2017年至2019年地铁1号线、2号线CBTC车载设备故障原因进行了分类统计,主要的故障原因为车地无线通信中断、车地无线通信链路异常、丢失信标、加速度计自锁.对以上故障原因进行了分析并提出了相应的解决方案.     

车载信号系统与车辆接口故障优化处理方法

简要介绍了地铁车辆CBTC车载系统的结构以及功能。着重对CBTC系统车载信号常见的故障特别是信号车载系统与车辆接口的故障进行研究,进而分别从技术和管理层面提出解决措施及优化方法。     

CTCS2-200H型列控车载设备运用状态在线诊断系统的研究与应用

CTCS2-200H型列控车载设备运用状态在线诊断系统.采用无线传输及专家智能诊断技术,通过无线下载列控车载设备运行中记录的DRU数据,以及通过视频采集设备板卡上显示灯和开关状态,自动将数据发送到地面中心.并对数据进行智能识别判断,自动生成分析结果及分类存储。该系统能够准确定位故障点,缩短故障处理时间.有助于减少数据下载、分析统计等过程耗费的低效人力,提升故障应急处置水平。     

CBTC系统车载信号常见故障分折

详细分析南京地铁2号线使用CBTC系统运营以来车载信号设备发生的主要故障(最常见的故障为ATP冗余和无线丢失,在运营初期占到全部故障总数的60%左右)和应对措施.     

CBTC系统车载信号常见故障分析

详细分析南京地铁2号线使用CBTC系统运营以来车载信号设备发生的主要故障(最常见的故障为ATP冗余和无线丢失,在运营初期占到全部故障总数的60%左右)和应对措施。     

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。     

无线CBTC信号系统工作模式分析

随着基于通信的列车控制(CBTC)技术的发展,无线CBTC信号系统的运营组织越来越灵活多样。综合ATS(列车自动监控)层面的中心控制模式和紧急站控模式,轨旁设备的CBTC模式和后备模式,以及车载设备的ATO(列车自动驾驶模式)、ATPM(列车自动防护的人工模式)和WSP(轨旁信号保护模式)等模式,全面分析了无线CBTC系统的工作模式。     

基于无线通信的300T车载设备智能维护系统研究

300T列控车载设备记录的数据不充分,下载及分析过程也较繁琐。针对此情况,研究基于无线通信的300T车载设备智能维护系统,实现车载数据自动下载、无线传输及自动分析等功能。为避免影响车载设备运行,从电路、数据通信及下载时机等方面进行安全防护。分析诊断的准确率也将随着应用范围的扩大及故障特征库的日趋完善而不断提高。     

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。     

基于UIO方法的列车自动驾驶信号故障检测研究

列车自动驾驶ATO(Automatic Train Operation)状态故障检测是实现CBTC(Communication BasedTrain Control)系统车载ATO控制功能可靠性的必要条件之一。针对影响列车自动驾驶功能与性能的速度、位置量测传感器故障及执行器故障进行故障建模,利用基于未知输入观测器UIO的故障检测方法对存在未知干扰与噪声情况下的ATO状态故障进行检测。通过构建残差与设置阈值来降低对未知干扰或噪声的敏感度,从而降低故障报错率。仿真结果表明,本文所提出的方法能够完成对列车控制状态3种故障模式的检测,该检测信息不仅能够给已经装备ATO的车辆提供实时优化曲线生成所需的参数,也可以为仍使用人工驾驶的列车进行预警,并为车辆维护业务提供有用信息。     

基于大数据的CBTC车载信号智能维护系统研究

基于大数据理念,通过构建神经网络与专家系统相结合的维护诊断系统,将CBTC车载信号海量数据进行分析处理,从而提高运营维护质量、缩短故障维修响应时间。     

城市轨道交通CBTC无线信号智能监测系统

城市轨道交通CBTC(基于通信的列车控制)系统2.4 GHz频段为公用频段,存在大量外部干扰信号,影响列车正常运行。分析了影响CBTC系统车地无线通信的外部无线干扰信号的类型和外部无线信号环境的现状,介绍了CBTC无线信号智能监测系统设计方案和主要功能。该系统通过车载检测设备采集无线通信参数,对CBTC系统通信环境和外部干扰信号进行分析,后台数据处理中心采用智能分析算法进行故障源定位和预警。应用案例表明,该系统能对CBTC系统无线通信环境进行在线检测,在车地通信异常时,可以快速查找故障原因,有效提升CBTC系统的维护能力和排查干扰的能力。     

基于聚类分析算法的铁路通信设备厂商信息智能分类

针对铁路通信大数据平台中设备厂商信息不规范的问题,提出一种采用聚类分析算法对厂商信息智能分类的方法,介绍聚类分析算法、相似度计算方法和聚类性能度量等理论,通过分词处理、构建词袋模型、权值转换等数据预处理技术,将文本转换为适合分类的权值向量,采用K-均值聚类、层次聚类算法分别对部分样本进行聚类分析,比较测试结果,最终选择层次聚类算法对所有样本进行聚类分析。该算法可以将不规范的厂商信息进行合理的分类,从而为形成厂商信息字典提供数据支持。     

高速铁路ATP车载设备健康状态监测及智能诊断系统研究

为解决高速铁路列车自动防护（ATP,Automatic Train Protection）系统车载设备故障定位困难、人工检查任务繁重等问题,研制高速铁路ATP车载设备健康状态监测及智能诊断系统。该系统由轨旁检测设备、车载诊断记录单元和地面维护中心设备构成。车载诊断记录单元自动采集ATP车载设备各单元应用软件的日志数据及关键部件电气特征数据,并通过车–地无线传输通道将数据传输至地面维护中心;轨旁检测设备根据不同车型,准确地采集动车组车外ATP车载设备的图像及安装测量数据。该系统能够自动识别ATP车载设备的外观缺陷和安装异常,提供ATP车载设备健康状态监测和故障分析诊断功能,有助于提高ATP车载设备维护效率。     

一种基于支持向量机的增量学习算法

具有增量学习功能的数据分类技术与普通的数据处理技术相比较,增量学习分类技术具有明显的优越性?在新的训练过程中充分利用了历史的训练结果,从而显著减少了后继训练的时间。介绍了支持向量机的基本理论和一般的支持向量机增量学习算法,针对有些渐变问题(如机械设备的早期故障期和损耗期),新样本所提供的信息量与历史样本所提供的信息量是不同的,给出一种新息加权的支持向量机的增量学习算法,通过循环来获得最优分类面仿真实验表明,采用加权的增量算法更能反映新样本点的特征?