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。     

基于连续信号自适应分解的钢轨交流闪光焊接过梁爆破定量分析

为实现对钢轨闪光焊微观过程——过梁爆破的定量分析，将钢轨交流闪光焊接过程细分为断路、短路、多过梁爆破、单过梁爆破4种类型；基于GoogLeNet卷积神经网络，提出将钢轨交流闪光过程高频连续电信号进行类Gram矩阵转化，再依据矩阵元素自适应优化生成时域图谱的卷积神经网络识别方法；应用该方法对闪光焊接过程高频数据进行识别，并对完整焊接过程进行定量分析。结果表明：经过数据自适应优化，4种类型时域图谱的分类识别准确率上升至97.8%，识别的最大混淆发生在多过梁爆破和单过梁爆破之间；多过梁爆破比率在闪平和脉动阶段约为20%，进入连续阶段后迅速上升至80%以上，短路比率在稳定脉动期间可稳定维持在60%；各类型的比率在不同阶段呈现明显阶段特征，且各阶段特征与钢轨交流闪光焊接实际过程的宏观特征相匹配，采用该方法也可实现对闪光焊接微观过程的定量分析。     

基于三维探地雷达路面隐性病害识别与评价

路面内部隐性病害的发育、发展具有隐蔽性，而当前缺乏有效的检测手段、评价指标和标准。依托溧马高速路面养护维修工程，通过基于三维探地雷达的路面隐性病害识别与评价研究，建立了路面内部典型隐性病害标准图谱，提出基层损坏状况指数BPCI及分级标准，并给出了不同等级路面内部隐性病害养护对策。研究结果表明：三维探地雷达可高效准确识别路面内部隐性病害，识别精度可达90%以上；基于三维探地雷达的基层破损状况指数BPCI,用于评价路面结构内部状况是可靠的，其探测结果可为路面内部隐性病害检测定位和沥青路面的养护施工提供参考。     

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。     

知识图谱在海上油气领域安全风险管理中的应用

近年来，海上油气相关设备设施受到第3方破坏、腐蚀、工艺偏差、设备本体故障等多方面的影响，需要进一步探索能够通过新技术新方法来对各维度风险隐患进行整合来实现综合管理。通过构建安全风险知识图谱，将风险事故链进行结构化梳理和多维度风险因素耦合，解决多种安全因素的综合管理问题。利用知识图谱的图结构和动态特性，对设备设施、安全隐患、风险可能、引发事故、影响范围等进行可视化的清晰展示和动态分析。     

基于深度学习的汽车故障知识图谱构建

本文将知识图谱引入汽车故障诊断领域，以某公司的售后业务数据为来源，根据文本特点，设计了一种知识图谱构建流程：在传统构建流程的基础上，加入文本预分类和实体重组流程。基于DPCNN模型的文本预分类用于处理目标字段存在信息冗余的问题；基于BERT-BiLSTM-MUL-CRF模型的实体抽取与基于语法规则的实体重组的组合形式可以有效解决文本中的嵌套实体问题和非连续实体问题；采用结合术语相似度和结构相似度的方法完成知识融合；最后，选用Neo4j图数据库进行存储，完成汽车故障知识图谱的构建。     

基于知识图谱和故障树的高速铁路事故致因分析

针对高速铁路（简称：高铁）事故开放共享程度不高，数据条块化、垂直化，信息碎片化等问题，基于知识图谱构建高铁事故的本体层及数据层，实现事故数据的资源整合，使用图数据库表达事故致因逻辑关系，通过Python编程生成高铁事故致因故障树，完成对高铁事故的致因分析。分析结果表明，人为因素中的“违规作业”“监管不力”及环境因素中的“恶劣天气”导致了更多高铁事故的发生。据此结果，为铁路相关部门防范重大事故发生提出了切实可行的建议。     

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。