改进的属性约简算法及其在决策树中的应用

针对传统的基于区分矩阵属性约简算法在构建区分矩阵时生成很多冗余元素,空间和时间性能上不够理想的缺点,利用动态数组及新的约简过程进一步改进,最后把新的属性约简算法应用到决策树的构建上,实验证明,该算法能够提高决策树分类性能.     

基于粗糙集-C4.5的轨道电路故障诊断方法研究

针对轨道电路故障信息存在大量重复样本和冗余属性,提出一种基于粗糙集和C4.5决策树算法相融合的轨道电路故障诊断方法。轨道电路故障特征数据多为连续量,需要根据模糊集理论对故障样本进行模糊化,形成离散决策表。利用粗糙集处理不完备决策表的能力,去除离散决策表的冗余属性得到约简表,结合决策树C4.5算法对约简决策表进行快速训练提取诊断规则,产生的诊断规则清晰、可解释性强,能够直接运用于轨道电路故障诊断中。最后利用模拟数据仿真验证该方法的有效性,与ID3算法和BP神经网络法进行对比,仿真测试表明该方法具有更高的诊断效率和准确率,对实现轨道电路快速鲁棒故障诊断具有一定意义。     

基于粗糙集和模糊认知图的ZPW-2000轨道电路故障诊断

针对目前由人工分析监测数据进行ZPW-2000轨道电路故障判别存在判别效率低、判别周期较长、对数据分析所依赖的人员经验程度高的缺陷,将粗糙集理论和模糊认知图的概念引入ZPW-2000轨道电路的故障判别中,通过主分量启发式算法对原始故障数据进行属性约简,得到故障特征参数,利用模糊认知图构建出基于属性约简和模糊认知图的分类器,并在此过程中利用自适应遗传算法完成FCM权重的学习。通过仿真实验验证,在模糊认知图的基础上利用粗糙集进行特征的提取,再对ZPW-2000轨道电路故障进行诊断,这种方法是有效可行的,并与人工分析故障数据进行诊断的方法进行比较,发现基于属性约减和模糊认知图的分类器有较高的故障识别率以及较短的诊断时间。     

基于数据挖掘的铁路车站信号平面布置图信息提取

针对铁路车站信号平面布置图因数据格式不同而导致其数据无法二次利用的问题,提出基于数据挖掘的车站信号平面布置图信息提取方法。文章构建铁路信号工程图例模型与编码,基于RVDBSCAN算法,将图形数据聚类为图形组;通过C4.5决策树构建模型,以识别铁路信号图例。试验结果表明,聚类方法 FMI评分0.986 0,分类算法准确率95.64%,能够准确识别布置图中的图例符号数据,为布置图信息的二次利用提供了数据通用接口。     

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。     

基于组合决策树的无绝缘轨道电路故障诊断方法研究

针对ZPW-2000A型无绝缘轨道电路故障的随机性及组合复杂性,提出一种基于C4.5组合决策树的故障诊断方法。以C4.5决策树为基本单元构建轨道电路故障诊断组合网络模型,并给出粗糙集属性约简方法为各网络单元简化条件属性,由此提高C4.5训练效率得到诊断规则,逐级压缩诊断范围最终可准确识别14种常见故障模式。仿真测试结果表明,不仅粗分故障范围的测试准确率高于BP神经网络方法,故障模式细分后的诊断准确率也有明显提高。     

基于频繁模式挖掘的接触网故障关联规则推荐模型

接触网作为电力机车的动力传输通道,保障其安全稳定运行至关重要.近年来,各铁路局相继建立了接触网故障数据库,从大量故障数据中寻找有用信息并指导运维.本文基于Apriori算法框架,将频繁模式挖掘技术应用到接触网故障数据的分析中;结合维修周期故障分类模型,将逐条记录的故障数据转换为适合挖掘的数据形式,并应用布尔映射矩阵通过...     

动车组牵引电机接地故障预测

牵引电机是动车组动力传动系统中的关键部件,在牵引电机故障中最常见的故障为牵引电机接地故障。通过对某动车组牵引电机控制单元的历史数据挖掘,实现对牵引电机接地故障的预测。数据挖掘建模使用了RBF神经网络、决策树和支持向量机3种机器学习算法。试验结果表明,3种算法的预测准确度均高于84%,其中决策树相较于RBF神经网络和支持向量机,具有更高的预测精度,模型预测精度达到85.6%。因此,选取决策树模型预测动车组牵引电机接地故障的发生。     

基于IRM-COM的列车运行控制系统测试用例生成方法

为验证高速铁路列车运行控制系统在多个故障发生时的安全性,针对系统故障降级场景,提出一种基于初始约简矩阵—组合遗漏矩阵(IRM-COM)测试用例生成算法的故障组合注入方法。首先对故障类型进行矩阵形式化描述,然后形成故障注入组合测试表初始矩阵,最后生成测试用例表。仿真结果表明,该组合测试的故障检测率比随机测试和自适应随机测试平均高10.2%,而且测试用例个数比自动高效测试用例生成器(AETG)和基于矩阵重复度的组合测试(CTboMRD)平均少13.4%,验证了所提算法具有更强的约简能力,提高了测试效率。     

基于粗糙集理论和FCM的轨道电路故障诊断模型

由于轨道电路数据多且其维数高,这往往会导致所选特征之间存在冗余和相容性的问题。基于主分量启发式算法,引入相容度概念,并提出一种改进的主分量启发式属性约简算法,提取初始数据的主要特征属性来降低样本的维数。同时将模糊认知图概念引入到轨道电路故障诊断中,利用最小二乘法完成模糊认知图节点间权值的选择,最后根据权值建立轨道电路诊断模型并对预处理的样本进行训练和分类。实验结果表明,与单独的FCM分类器相比较,加入属性约简算法后, FCM分类器可提高分类性能,与采用人工确定权值的FCM方法对比,最小二乘法提高了FCM分类的精度。     

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。     

基于非负矩阵分解的高速列车走行部工况识别

根据高速列车振动信号数据的特点,针对高速列车走行部工况的识别,提出了一种基于非负矩阵分解(NMF)算法的工况识别模型。该模型通过数据处理获得具有辨识度的工况数据集,使用K-meams、谱聚类、近邻传播和模糊C均值4种聚类算法获得初步识别结果。聚类算法的初步识别结果作为NMF算法的输入,获得最终识别结果。相比NMF算法与聚类算法的识别结果,NMF算法具有更高的准确率,本文验证了NMF算法在高速列车工况识别方面的有效性和高效性,为高速列车的工况识别提出了一种有效的解决方案。     

基于属性相关分析与聚类的铁路列车时刻表非均衡数据集预处理方法

在铁路列车运行图调整日趋频繁的背景下,列车时刻表数据集具有数据量大、属性多、不同车次时刻表记录数量差异较大、相同车次时刻表记录属性值相似的特点,列车时刻表数据分析和挖掘面临着数据集不均衡问题。为此,提出基于属性相关分析与聚类的铁路列车时刻表非均衡数据集预处理方法,依据列车时刻表属性与列车运营指标(客座率)的相关分析,可有效合并蕴含冗余信息的相似数据,降低数据集中此类相似数据的占比,可削弱非均衡数据集对后续数据分析的不利影响,并能保留数据所蕴含的主要信息,减少过多相似数据对数据分析模型应用效果的不利影响,提高模型的预测准确度。     

梯形高可靠列车通信网络冗余结构分析

文章构建了一种高可靠的列车通信网络梯形冗余结构的组网方案,分析了该网络的故障保护及冗余切换机制。针对梯形网络这种复杂列车通信网络,提出了一种基于K-端连通性检测简化的动态故障树分析方法,并利用二元决策图简化了故障树计算过程。文章提出的算法综合考虑了通信网络中系统结构、组件的动态修复情况以及拓扑结构对于网络可靠性的影响,简化了故障树模型建模和计算过程。文章采用提出的算法对梯形冗余网络可靠性结合具体算例进行了演算分析。计算表明该梯形冗余网络在相同情景下平均故障间隔时间比采用PRP延长1 513.32 h,比采用HSR延长5 034.61 h,可靠性明显提高。文章构建的组网方案以及提出的可靠性建模方法可为高可靠列车通信网络的网络结构设计与可靠性分析提供新思路。     

基于图论和面向对象的列控数字轨道地图研究

将全球定位系统(GPS)和地理信息系统(GIS)结合在一起应用于轨道交通中,可提高列车定位精度、减少轨旁设备、降低建设和维护成本。一份结构合理的数字轨道地图可以提高列车定位的实时性和准确性。本文主要研究数字轨道地图的模型、设计和验证。首先,结合拓扑关系数据模型和面向对象数据模型的优点,对数字轨道地图进行建模;基于图论和面向对象的数据结构的思想,利用空间数据和对象属性数据实现数字轨道地图的设计。其次,结合图的深度优先搜索算法,提出对数字轨道地图连通性、合理性和正确性进行验证的算法。最后,本文在VC++平台下实现数字轨道地图的功能,并采用丰沙线三家店车站现场采集的GPS数据对数字轨道地图进行实验验证。结果表明本文提出的设计方法是可行的。     

城市轨道交通 列车故障影响仿真分析系统

研究城市轨道交通列车故障影响的分析方法,采用仿真技术描述故障车、救援车、连挂车、运营车等不同对象运动过程。以上海轨道交通为背景,梳理列车故障处置的一般作业流程,并将线路运营划分为正常、故障、救援和恢复4种状态;针对列车自动保护ATP系统切断后连挂车与运营车之间的追踪运行过程建立模型与算法;在仿真系统中,开放了对故障事件以及救援方案的信息访问和管理,支持分析不同条件下(如故障处置流程、连挂车运行组织、线路配线设计等)列车故障对线路运营的影响。建立上海轨道交通8号线列车故障影响仿真分析平台,实现对某一历史故障事件的过程模拟,并分析故障地点、连挂车运行速度和退出点对线路"故障"和"救援"阶段列车运行的影响,论证了仿真分析系统的有效性。     

决策表知识约简方法研究

伴随着铁路信息化建设,铁路各信息系统数据库中存在着大量冗余信息,如何删除那些不相关或不重要的知识就是知识约简所要解决的问题。它不仅是数据挖掘领域中的一项重要工作,而且对于数据集成、融合及铁路信息共享信息平台的建设都具有十分重要的意义。基于信息熵理论的方法就是一种很有前途的方法。本文提出一种类似信息熵的概率函数,利用这个函数可得到既适合于一致决策表,也适合于不一致决策表的知识约简方法,并以从铁道部某信息管理信息系统的数据中抽取出的决策表为例,从理论上验证了该方法的正确性。     

编组站货车中转方式的判定算法

当货车跟随列车到达编组站时，通常要进行解体和编组作业，货车中转方式的不同对于推算货车停站时间有很大影响。通过分析货物列车编组计划的主要内容，整理出直达列车数据表和直通列车数据表。在推算单个车辆时，分析该车辆走行计划中的经由编组站串，依据直达列车数据表判定此货车是否属于直达列车。对于直达货车，所经过的编组站都按无调作业处理。对于非直达的货车，依据直通列车数据表，设计判断货车经由编组站中转方式的递归判定算法。使用此方法可以快速判定货车在编组站的中转方式，从而使车流推算结果更加快速准确。     

基于多属性决策方法的高速列车运行计划评价研究

为有效利用高速铁路车站和区段通过能力,提高铁路客、货运输能力,必须提高高速列车运行计划的质量,确保铁路运输生产稳定有序.从高速列车运行计划的评价指标分析与选择入手,运用多属性决策方法,对列车运行计划的指标值进行赋值和规范化,采用熵权法确定评价指标权重,运用理想点法求解最佳方案;通过计算实例,对该评价方法的可行性与合理性...