基于贝叶斯网络的列控车载设备故障诊断方法

发布时间：2017-07-01 06:08

  本文关键词：基于贝叶斯网络的列控车载设备故障诊断方法，由笔耕文化传播整理发布。

【摘要】：车载设备是列控系统的重要组成部分,是保障列车运行安全的关键。但是,在列车的运行过程中,车载设备的故障时有发生,现有的车载设备故障诊断方法已不能满足现代化铁路高速运行的需求,因此,通过智能化的故障诊断方法实现车载设备的故障诊断具有重要意义。目前,我国的高铁故障诊断系统过于依赖专家知识,并且在故障诊断过程中,数据的利用率低。本文针对列控系统车载设备故障的多样性与不确定性,在深入研究车载设备结构与功能的基础上,把专家知识与历史故障数据相结合,提出了一种基于贝叶斯网络的列控车载设备故障诊断方法,实现了车载设备故障诊断的智能化分析。论文的主要工作包括：(1)对车载设备历史故障数据进行数据挖掘,生成车载设备故障特征词库,计算出故障特征词在各故障文本词条中的权重,并对故障文本特征属性权重表进行离散化处理,构建车载设备故障诊断决策表。通过基于遗传算法的粗糙集属性约简方法对故障决策表进行属性约简,将约简结果作为诊断网络的故障征兆节点,从而降低了贝叶斯网络诊断模型的复杂度。(2)利用车载设备故障数据形成的训练数据集和专家经验进行贝叶斯网络诊断模型的构建,提高了诊断模型的准确性。并通过最大似然估计方法对贝叶斯网络进行参数学习,完善了基于贝叶斯网络的故障诊断模型,为贝叶斯网络的精确推理创造了条件。(3)利用车载设备历史故障数据,对故障征兆进行文本挖掘,找出各故障征兆间潜在的关联关系,并更新贝叶斯网络诊断模型。根据故障数据对加入故障征兆关联的贝叶斯网络进行参数学习,进一步优化了诊断网络模型的参数。通过故障文本进行验证分析,证明了带有征兆关联的贝叶斯网络故障诊断的正确性、可靠性更高。(4)根据故障诊断系统需求,利用C#和Matlab混合编程,开发了可视化的车载设备故障诊断系统,为车载设备的故障诊断提供了决策支持。本文提出了一种基于贝叶斯网络的列控车载设备故障诊断方法,实现了车载设备故障诊断的智能化,提高了诊断的效率和精度,为列控系统诊断的高效化提供了一种新的方法。
【关键词】：车载设备 故障诊断 贝叶斯网络 属性约简 故障征兆
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U284.92;U279.3;TP18
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-12
• 1 引言12-20
• 1.1 研究背景及意义12-13
• 1.2 国内外研究现状13-17
• 1.2.1 列控系统故障诊断方法13-15
• 1.2.2 贝叶斯网络的发展现状15-17
• 1.3 论文的主要工作及结构安排17-20
• 2 理论知识20-32
• 2.1 贝叶斯网络理论20-27
• 2.1.1 贝叶斯网络基本定理21-22
• 2.1.2 贝叶斯网络的实例22-23
• 2.1.3 贝叶斯网络的学习23-25
• 2.1.4 贝叶斯网络的推理25-27
• 2.2 粗糙集理论27-30
• 2.2.1 知识与知识库28
• 2.2.2 粗糙集的上、下近似集28-29
• 2.2.3 决策表与决策规则29-30
• 2.2.4 属性约简30
• 2.3 本章小结30-32
• 3 车载设备与故障数据挖掘32-48
• 3.1 列控车载设备结构与功能32-34
• 3.1.1 列控车载设备组成32-33
• 3.1.2 列控车载设备功能33-34
• 3.2 列控车载设备故障数据34-37
• 3.2.1 故障信息表34-36
• 3.2.2 故障文本分析36-37
• 3.3 列控车载设备故障诊断系统框架37-38
• 3.4 车载设备故障数据挖掘38-47
• 3.4.1 数据挖掘的流程38-39
• 3.4.2 文本预处理39-43
• 3.4.3 基于粗糙集的属性约简43-46
• 3.4.4 训练数据集的生成46-47
• 3.5 本章小结47-48
• 4 列控车载设备故障诊断系统48-66
• 4.1 贝叶斯网络故障诊断模型构建48-55
• 4.1.1 基于专家经验的模型构建49-52
• 4.1.2 基于结构学习的模型构建52-55
• 4.1.3 方法融合的贝叶斯网络模型构建55
• 4.2 贝叶斯网络故障诊断模型参数学习55-59
• 4.2.1 贝叶斯网络的参数学习56-57
• 4.2.2 加入征兆节点关系的参数学习57-59
• 4.3 故障诊断贝叶斯网络的验证推理59-64
• 4.3.1 推理算法的基本流程59-60
• 4.3.2 贝叶斯网络的模型验证60-62
• 4.3.3 实验分析162-63
• 4.3.4 实验分析263-64
• 4.4 本章小结64-66
• 5 车载设备故障诊断系统的设计与实现66-80
• 5.1 系统需求分析66-68
• 5.1.1 功能需求性分析66-67
• 5.1.2 非功能性需求67
• 5.1.3 故障诊断系统的运行环境需求67-68
• 5.2 故障诊断系统总体方案68-71
• 5.2.1 系统架构68-69
• 5.2.2 故障诊断系统的流程69-71
• 5.3 故障诊断系统设计与实现71-78
• 5.3.1 Matlab与C#混合编程71-72
• 5.3.2 数据库的设计及实现72-74
• 5.3.3 故障诊断系统的设计及实现74-78
• 5.4 本章小结78-80
• 6 总结与展望80-82
• 6.1 总结80
• 6.2 展望80-82
• 参考文献82-86
• 图索引86-88
• 表索引88-90
• 作者简历及攻读硕士学位期间取得的研究成果90-94
• 学位论文数据集94

【相似文献】

中国期刊全文数据库 前10条

1 范丽君;列车运行控制系统车载设备发展探讨[J];机车电传动;2004年06期

2 周昊;和爱车一起旅行 ——车载设备大搜罗[J];多媒体世界;2005年04期

3 魏宝生;卢文山;邢世佩;;电务车载设备远程监测预警系统研究[J];铁道通信信号;2013年09期

4 江坤;;国产化城轨交通列车自动驾驶系统车载设备研究与设计[J];铁路通信信号工程技术;2009年01期

5 陈延春;;客运专线车载设备非正常制动的解决方案[J];铁道通信信号;2009年05期

6 靳洪都;蔡伯根;王剑;安毅;上官伟;;高铁追踪接近预警系统车载设备的设计与实现[J];铁道通信信号;2013年05期

7 郭俊亮;唐祯敏;;公共汽车智能车载设备的设计[J];中国科技信息;2006年12期

8 陈修祥;马履中;;车载设备多维振动控制装置的设计及模态研究[J];自然科学进展;2007年04期

9 黄龙才;;车载设备的振动响应[J];航天控制;1992年01期

10 王德政;;对现代铁路交通行车安全车载设备的认识及改进建议[J];科技信息(学术研究);2008年29期

中国重要会议论文全文数据库 前5条

1 王志刚;张必超;;公路运输与车载设备振动试验规范的确定[A];2010第十五届可靠性学术年会论文集[C];2010年

2 张会敏;;主体化机车信号车载设备故障处理方法[A];技师·传承[C];2011年

3 杜建明;;浅谈CRH_3型动车组列控车载设备特点及应用[A];2012年铁路技师论文集（安全专辑）[C];2013年

4 王留琪;;车载BTM设备故障处理及数据分析[A];《河南铁道》2011年第5期[C];2011年

5 戴芳;王念春;;基于LonWorks的列车安全预警系统设计[A];江苏省电工技术学会成立十周年庆典暨2004年学术年会论文集[C];2004年

中国重要报纸全文数据库 前7条

1 本报特约记者 李祥国　本报通讯员 高志刚 陈明磊;车载设备送检不再长途跋涉[N];人民铁道;2011年

2 本报记者 徐达;车载设备商应“需”而动[N];经济日报;2013年

3 记者 管炜　通讯员 于洋;通辽电务段车载设备车间“小攻关”创出“大效益”[N];通辽日报;2010年

4 宋鹏 宋炜;解析车载GPS“误区”[N];中国消费者报;2004年

5 张亮 本报记者 傅江平;深圳：打车软件上出租[N];中国质量报;2013年

6 本报记者于莘明;打造中国GPS 车载设备第一品牌[N];科技日报;2002年

7 杜菲;出租车的黑匣子 何时叫好又叫座[N];中国计算机报;2007年

中国硕士学位论文全文数据库 前10条

1 王峰;基于文本挖掘的高铁车载设备故障诊断方法研究[D];北京交通大学;2016年

2 李玉兰;基于贝叶斯网络的列控车载设备故障诊断研究[D];北京交通大学;2016年

3 刘建海;哈尔滨电务段列控车载设备的维护管理研究[D];吉林大学;2016年

4 周永健;列控车载设备测速测距技术研究[D];中国铁道科学研究院;2016年

5 梁潇;基于贝叶斯网络的列控车载设备故障诊断方法[D];北京交通大学;2016年

6 吴渊;基于BP神经网络的车载设备故障诊断与预测研究[D];北京交通大学;2016年

7 马龙;全自动驾驶系统车载设备可靠性分析与实现[D];北京交通大学;2014年

8 王坤;车载设备无人值守测试系统的设计[D];太原科技大学;2012年

9 王振显;基于案例推理的高铁信号系统车载设备故障诊断[D];北京交通大学;2015年

10 吴波前;列车追踪接近预警系统车载设备优化设计[D];北京交通大学;2014年

  本文关键词：基于贝叶斯网络的列控车载设备故障诊断方法，，由笔耕文化传播整理发布。

本文编号：504805