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。     

我国高速铁路通信信号设备服役状态趋势研究

研究表明,我国高速铁路通信信号设备故障发生情况与开通时间的关系,与浴盆曲线的早期故障期和偶然故障期的形状极为相似,有浴盆曲线趋势。为了准确描述高速铁路电务系统通信信号设备服役状态的趋势,建立通信信号设备服役状态趋势的浴盆曲线模型。首先对典型线路的故障数据进行处理;然后建立基于典型线路的浴盆曲线模型,并采用极大似然法进行参数估计;最后对通信信号设备浴盆曲线的非浴盆化进行探索分析。对我国高速铁路通信信号设备浴盆曲线的研究,有利于根据运行阶段分析影响因素,对设备元器件作出相应的维修决策,以保证高速铁路通信信号设备高效运行。     

动车组故障检修数据处理技术研究与应用

从我国高速铁路动车组故障检修的实际情况出发,以动车组业务数据的信息化管理为目的,对数据处理技术进行研究,开发出基于移动互联网设备的动车组故障检修专用系统,解决了故障记录数据与工单数据的存储与管理问题,可以明显提高业务数据的管理效率,缩短业务处理周期。     

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。     

基于列控车载BTM设备的应答器误码处理研究

分析应答器传输系统的信号特点,搭建FSK信号解调的Simulink等仿真环境,结合应答器误码故障发生时列控车载BTM设备记录模块采集的数据,对应答器上行链路误码问题进行特征分析,得到信号的频谱、波形等特征,为现场的故障排查提供分析方法,对设备的优化提供指导。     

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....     

基于定性趋势分析的道岔故障诊断方法研究

道岔连接不同轨道并通常安装在两股或者多股轨道之间,不仅负责铁路线路的转换还保障线路的运营安全。随着我国轨道交通的快速发展,铁路线路和行车密度不断增长,道岔设备故障频率也日趋频繁,因此研究道岔故障诊断方法、提高诊断自动化水平具有重要现实意义。从定性的角度提出基于定性趋势分析的道岔故障诊断方法,该方法先采用区间半分法对道岔不同状态下的典型运转信号进行趋势提取,建立故障诊断知识库,之后对待诊断信号进行趋势提取,并计算其趋势序列与所有故障趋势规则的匹配度,综合比较匹配度值从而实现道岔故障诊断。实验结果表明,该方法具有良好的准确度。     

信号微机监测系统常见故障现象及处理实例

信号微机监测系统把现代最新技术,如传感器、现场总线、计算机网络通信、数据库及软件工程等融为一体,检测并记录信号设备的主要运行状态,为电务部门掌握设备的运用质量和故障分析提供了科学依据。同时,系统还具有数据逻辑判断功能,当信号设备的工作情况偏离预定界限或出现异常时,会及时报警,避免因设备故障或违章操作影响列车的安全、正点运行。下面介绍在现场实际工作中,通过处理信号微机监测系统故障而总结出的几点经验。     

基于MapReduce的CRH2型动车组网络控制系统PHM故障筛选的设计与实现

列车发生故障时,车载设备数据记录与无线传输装置(DRWTD)接收到相应故障数据,通过无线信号实时发送给预测与健康管理(PHM)地面系统。由于DRWTD在发送周期以及通过无线传输时可能会因信号不良原因与PHM地面系统通信中断,导致PHM地面系统接收到的故障数据与原始数据出现偏差。为此,文章提出一种对故障数据进行筛选的处理模型,并且采用MapReduce并行计算,设计了基于MapReduce的CRH2型动车组网络控制系统PHM地面系统故障筛选工具软件,实现了PHM故障数据筛选的目的。     

列车轴箱轴承在途鲁棒可视化故障诊断方法

为使列车轴箱轴承在非平稳工况下的故障识别更加有效,本文提出基于融合相关熵特征的鲁棒可视化滚动轴承故障诊断方法。通过快速集成经验模态分解FEEMD对轴承振动信号进行时频分解,提取本征模函数IMF矩阵;计算IMF与原始信号的线性相关系LCC作为相关熵的调幅系数,进而通过相关统计计算获得样本集的多维相关熵矩阵CM;利用主元分析PCA对CM进行数据空间变换,通过提取变换后的融合相关熵矩阵ICM,实现相关熵矩阵的可视化。通过实验分别提取匀加速、匀速及匀减速3种运行工况下的滚动轴承ICM特征,通过对比EMD、EEMD和FEEMD 3种信号分解方法,发现FEEMD的信号分解效率更高,且ICM比传统特征对非平稳工况下轴承故障辨识的鲁棒性更好。FEEMD-ICM为轴箱轴承快速、客观且稳定的故障诊断实现提供了可靠的理论依据和技术支持。     

基于随机森林算法与特征分析的地铁列车塞拉门故障检测

针对地铁列车塞拉门下挡销、压轮故障,文章提出了一种基于随机森林算法与时域特征分析的检测方法。文章首先对塞拉门在正常及下挡销、压轮故障等不同状态下的电机电流信号进行预处理,并提取预处理后的信号时域特征,建立故障检测的随机森林模型;然后合理设置随机森林模型中的参数,并基于时域特征重要性分析进一步筛选合适的时域特征;最后利用某地铁车辆段现场测试的相应状态下的电机电流数据进行实例分析,对模型的准确性进行验证。结果表明,该方法可实现对地铁列车塞拉门下挡销、压轮故障的有效检测。     

基于LTE-R的铁路10kV电力贯通(自闭)线路故障诊断及恢复系统

分析铁路10 kV电力贯通(自闭)线路常用故障查找方法及其缺陷,提出基于铁路专用宽带移动通信系统(LTE-R)的数据传输通道,对10 kV电力贯通(自闭)线路的运行状态进行实时监控,在线路发生故障时,调度中心对各站点上传的突变参数进行数据解析,确定故障区段后自动切除,同时恢复线路供电。     

南京地铁1号线车辆数据记录仪的研究与应用

南京地铁1号线运营10年以来,列车在正线运行中发生的故障数量和类型都越来越多,但车上现有的诊断设备记录车辆关键数据的能力有限,当车辆发生故障时,并不足以给维修技术人员提供全面的信息。针对此问题,对车辆World FIP网络协议进行研究,开发了的车辆数据记录仪。该记录仪通过专用隔离变压器接入列车World FIP网络总线,在物理层解决网络接入问题的同时,根据网络节点特征及变量特征进行协议分析,并结合已有的变量定义,解析并记录FIP网络中的所有通信数据。通过实际应用中的数据对比可以看出,所设计的车辆数据记录仪能持续且较全面地记录所有World FIP网络上的通信数据,非常有利于故障的查找和分析,从而能准确地解决故障、提高车辆故障的处理效率。     

郑徐高铁CTCS-3无线超时分析

针对郑徐高铁开通初期出现的徐州东线路所RBC交接区附近和上海局与郑州局局界附近C3无线超时问题,结合郑徐高铁GSM-R无线覆盖方案、MSC与RBC管辖范围、车载电台记录和网络设备故障代码等,详细分析故障产生的原因,提出解决方案。鉴于问题隐蔽,且涉及通信、信号两系统,在工程建设、联调联试和试运行阶段均未被发现,总结提出工程设计、数据制作、联调联试和试运行方面的建议,供后续高速铁路GSM-R网络设计、调试及故障分析等参考。     

上海轨交三号线列车Deloc故障分析与排除

上海轨道交通三号线正式信号系统投用后不久,就遇到了大量列车Deloc故障。在经过细致分析和排查后,信号设备运维单位的技术人员从看似无关的列车非主控状态下的车载信号设备故障记录入手,找到了造成这一系列设备故障的主因,并加以解决。     

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Web服务器和LonWorks现场总线技术的铁路站场信号远程监测系统

为及时发现信号设备故障,确保各种信号执行机构联锁动作的正确性,增加额外的监控设施实施对站场信号设备工作状况进行监控。远程铁路站场信号监测系统在铁路站场信号设备层采用LonWorks现场总线技术(一种网络化测控技术),实现对各类铁路站场信号的实时监测,利用通常用于提供互联网INTERNET网页服务的WEB服务器进行数据集中、管理和发布。通过WEB服务器将站场信号系统与铁路通信系统有机的结合起来,使得站场信号不仅可以实现实时检测记录、联锁关系监督、错误和故障报警、以及通过互联网向行调和运输指挥中心的自动传送。     

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。