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BMBC模型的高速铁路道岔故障信息实体识别

随着铁路信号设备故障文本的不断积累,亟待构建集故障信息、专业知识、技术规则及其内在关联于一体的铁路信号设备故障知识图谱,为铁路运营及设备维修提供全面高效的辅助策略。故障信息实体识别是构建铁路信号设备故障知识图谱的核心。以高速道岔故障文本为基础,并针对此文本挖掘过程中使用传统方法导致知识获取不够全面以及文本语义稀疏等问题,提出一种用于高速道岔故障信息实体识别任务的BMBC多层级模型。首先,通过分析高速道岔故障文本的结构特征,从中提取出故障现象、故障定位和故障致因等7类实体;其次,利用BERT预训练模型的迁移特性构建双向词表征并嵌入位置信息,引入多头注意力机制(MHA)使关键特征信息得到重点关注,随后依靠双向长短期记忆网络(BiLSTM)进行特征信息融合,从而充分获取全局语义信息以及更好表达序列间的长距离依赖关系;最后,依托条件随机场(CRF)赋予标签约束条件,从而获得最佳识别结果。以各铁路局近5年的高速铁路道岔故障文本为基础进行实验,实验结果表明,BMBC模型能够精确识别各类故障信息实体,有效缓解实体边界不清晰问题,模型识别精确率、召回率和F1值分别可达91.43%,93.15%和92....     

CCBII制动机系统模式追踪与多故障诊断技术

由于CCBII制动机具有多种工作模式,工况复杂,工作部件繁多且耦合性强等特点,经常有多故障并发。传统的故障诊断技术难以对其进行多故障诊断。本文在基于解析冗余关系的诊断技术上,引入差分进化算法进行多故障检测与定位。首先构建制动机各工作模式模型,并推导系统的扩展全局解析冗余关系以获得模式转变特征表和系统故障特征表,再引入一致性向量比较特征表,实现系统的模式追踪。当模式追踪失败后,构建候选故障假设集,对每个候选故障设计基于差分进化算法参数估计器,通过比较候选故障参数的平均适应函数值,定位同时发生的多个故障,实现制动机系统多故障实时在线检测。最后通过仿真实验和实际应用验证本文方法的有效性。     

基于概率神经网络的S700K转辙机故障诊断方法

转辙机故障对铁路运输安全影响重大。针对转辙机故障原因与现象之间的复杂不确定性关系，提出一种基于概率神经网络的S700K转辙机故障诊断方法。在对转辙机各个状态功率曲线动作原理进行分析的基础上，根据信号不同时域特征参数，对各工作区段的特征进行提取；依据故障现象与故障类型的关系建立概率神经网络模型，以F1-Score作为诊断准确性评价指标，通过测试不同平滑因子对F1-Score值的影响，确定0.019为概率神经网络进行故障诊断最优的平滑因子；最后选择来自某电务段的81组S700K转辙机故障数据作为测试数据，验证了该智能故障诊断方法的可靠性。     

铁路信号非线性系统故障诊断方法研究

基于二值逻辑的故障诊断方法将系统状态分为正常状态和故障状态。本文针对介于正常状态和故障状态之间的中间状态,提出一种基于模糊逻辑和粒子滤波的非线性系统故障诊断方法。模糊逻辑可以描述非线性系统的故障渐变过程,而粒子滤波可以评估系统状态。通过比较不同故障等级的实际系统状态与系统评估状态,所得到的残差可作为故障诊断标准。以某型铁路信号控制系统的非线性系统为研究对象,利用不同开关状态模拟各种系统故障,仿真结果表明:该方法比传统二值逻辑故障诊断方法的精度更高,且诊断结果能够体现系统故障等级,较准确地反映系统实际故障情况,可以提高信号系统故障诊断的准确性。     

基于集成深度学习的转辙机故障诊断研究

[目的]为了能够充分利用故障日志数据诊断转辙机故障,提出了基于集成学习算法的道岔转辙机故障诊断方法。[方法]通过分析转辙机故障文本数据,并结合专家经验,建立了两级故障诊断思路;将故障文本数据预处理为机器能够识别的数据,作为故障诊断模型输入数据;介绍了基于AdaBoost集成学习法的CNN(卷积神经网络)-LSTM(长短期记忆网络)故障诊断模型的原理和方法。[结果及结论]试验结果表明,在数据类别不平衡或者样本数量有限的情况下,采用CNN-LSTM模型能够有效提高故障诊断的准确率;与其他故障诊断模型相比,CNN-LSTM模型性能更好;所提出方法具有有效性,能够满足应用场景准确率要求。     

高速铁路灾害监测系统故障诊断方法研究

作为高速铁路安全保障系统之一,高速铁路灾害监测系统（简称：灾害监测系统）的稳定运行是列车在灾害天气和突发异物侵限事件下安全运行的根本保障。针对灾害监测系统故障数据特点,构建了基于失效模式与影响分析（FMEA,Failure Mode and Effects Analysis）的灾害监测系统故障分析表,对该系统的故障表现、故障原因和影响进行分析。在此基础上,提出了基于随机森林算法的灾害监测系统故障诊断方法。通过对比分析可知,该方法优于传统的基于C4.5决策树的故障诊断方法,有助于灾害监测系统故障的快速诊断、定位和处置,减少人工排查设备故障的工作量,为灾害监测系统的运营维护提供技术支持。     

铁路调度集中系统网络通道故障诊断方法研究

通过分析研究武汉铁路局调度集中系统网络通道常发的故障现象与处理过程,发现系统网络通道故障发生的规律与特征,提出铁路调度集中系统网络通道故障诊断处理的原则与方法.     

基于知识图谱的信号设备故障诊断方法

信号设备故障处理的大部分知识都分布于专家经验、运营规程、运营作业指导书等零散的故障分析记录里,既不便于对大量的故障分析语料进行管理,也不易于操作人员进行查询与学习。针对列控系统信号设备故障分析的零散性与复杂性,提出一种结合自顶向下和自底向上方式来构建信号设备故障知识图谱的构建方法;通过知识抽取、知识存储、知识图谱展示,实现信号设备故障分析语料的可视化展现;同时,提出基于Cypher语言的信号设备故障维修方案查询方法。结果表明：构建的信号设备故障知识图谱能够有效实现故障数据的结构化存储与可视化展现,提出的故障维修方案查询方法能够实现故障概况的相应匹配。构建信号设备知识图谱提高了故障数据的数字化管理水平,有助于在信号设备发生故障时做出辅助决策推理。     

基于FTA与改进神经网络的轨道电路红光带诊断方法

以ZPW-2000无绝缘移频轨道电路红光带故障为研究对象,针对其故障的多样性与复杂性,提出一种基于故障树分析(FTA)与改进BP神经网络相结合的轨道电路智能故障诊断方法。根据轨道电路组成与故障关系建立故障树进行FTA定性分析,分析故障成因并提取故障诊断规则,确定诊断模型的输入输出,构建两个BP神经子网以并联方式联接组成诊断模型,采用LM算法和遗传算法对模型参数进行调整。通过仿真分析,表明该方法可行有效,为轨道电路智能故障诊断提供一种新思路。     

基于MSS的AzLM计轴智能维护系统研究

通过构建MSS系统和计轴设备之间的网络通道,将Az LM计轴离线日志传输给MSS进行分析处理,实现计轴故障诊断和预警功能,从而提高运营维护质量、缩短故障维修响应时间。     

铁路调度应急预案知识图谱构建

为解决铁路调度应急预案信息整合困难、综合管理能力不足的问题,采用知识图谱概念和方法,对铁路调度应急预案相关信息资源进行全面梳理和系统分析,采用自顶向下与自底向上相结合的方法,完成铁路调度应急预案知识图谱的构建;提出铁路调度应急预案主要实体概念及其属性与关系的定义,研究数据抽取、数据融合及知识存储的方法,实铁路调度应急预案数据的规范、有序存储。以雾天行车场景为例,开展应用探索。应用表明,知识图谱为整合多源异构的铁路调度应急预案相关信息资源提供了有力工具,使应急预案相关信息资源的使用更加便利化,更好地支持应急指挥快速决策,支持应急处置工作从容有序开展。     

新一代分散自律调度集中系统

概述了新一代分散自律调度集中系统在故障一安全、可靠性和适用性等方面的设计原则，从调度集中的发展、新一代调度集中的主要特点、控制方式、配套子系统、系统故障降级处理、系统综合设计的完整性方面，论述了系统适用于我国铁路的特点。     

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。     

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。     

基于知识图谱的铁路企业智能督办系统研究

研究基于知识图谱的铁路企业智能督办系统（简称：智能督办系统），解决铁路企业督办工作不规范、难度大、技术落后的问题；设计智能督办系统架构，构建督办任务知识图谱和智能督办知识图谱云图，实现督办任务的智能检索、智能拟办、辅助决策等功能。在铁路相关企业的应用结果表明，该系统能够有效提高督办工作质量和效率，为铁路企业各级管理人员提供决策支持。     

基于模糊神经网络的数据通信子系统全局故障诊断

基于模糊神经网络理论,提出一种基于模型构建的数据通信子系统（DCS）全局故障诊断方法。全局故障诊断模型的输入空间由故障征兆集组成,诊断过程由全局故障诊断规则实现,输出空间由故障类别集组成。基于对DCS系统结构的分析,选取了一些关键设备信息作为故障征兆信息。将故障征兆信息中的物理向量分析转化为算术数值判断,创建决策矩阵,构建全局故障诊断规则,实现了故障类别综合判定,从而完成全局故障诊断模型构建。以工程实例中的DCS典型故障类别为验证对象,对全局故障诊断模型进行了试验验证。该方法丰富了DCS故障诊断方法,总体精度可达到91．29％。     

故障树与专家系统融合的故障诊断推理机制研究

本文着眼提高铁路信号设备维护效率,降低工作人员劳动强度,减少人为差错,实现故障诊断智能化、可视化,将专家系统和故障树有机融合,利用专家系统知识库的知识推断确定系统的故障模式原因,给出故障处理方法、建议与故障树技术生成专家系统知识库,直观地反映故障和故障产生原因之间的逻辑关系,在故障树的基础上利用产生式规则加框架的推理策略,使推理机制更符合专家的思维过程,充分体现了故障树和专家系统两者的优点,使推理效果更加明显;以调度集中系统(CTC)车站子系统为例详述了故障树与专家系统相融合的故障诊断推理机制的实现过程。     

基于粗糙集和模糊推理的高铁扼流适配变压器故障诊断研究

文章梳理了扼流适配变压器故障模式和类型，完成了室内电路搭建及故障数据采集；选用粗糙集理论进行决策规则提取，在保持分类能力不变的条件下，去除监测数据表中大量的冗余特征，并提取出简明决策规则；进一步结合模糊推理，确定适用的隶属度，实现高正确率的故障诊断；最后，利用实际数据对此诊断方法的效果进行了验证，诊断正确率为92.5%，满足实际需求。