论文部分内容阅读
CTC车站系统具有列车进路自动控制、调车作业集中控制、设置临时限速并下达给机车、传送调度命令等功能,是与列车运行安全和运营效率息息相关的重要信号系统之一。CTC车站系统故障可能直接影响车站运营效率,增加安全隐患。目前,铁路运行现场对CTC车站系统的故障诊断主要依靠人为排查的方式,效率较低,因系统故障引发的列车晚点事件时有发生。目前,针对CTC的研究大多停留在对专家经验的总结归纳阶段,诊断效率有待提高。CTC车站系统维修日志是一线工作人员记录的关于CTC站机故障现象和维修情况的详细文本。由于缺乏有效的自动处理技术,这些重要日志长期处于搁置状态。针对CTC车站系统维修日志的特点和CTC故障诊断的需求,本文进行了CTC车站系统的故障诊断研究,提高现场故障诊断效率。具体研究内容如下:(1)分析词向量和TextRank算法的特点,结合词频和词义信息为词语计算词权,提取特征词。实验表明改进的算法较TF-IDF、TextRank有更高的精确度、召回率和F值。(2)以广-深线CTC车站系统维修日志为基础,提出了一种根因挖掘方案为日志自动标记关键信息。首先在词权的计算结果上以信息熵理论为基础自动生成特征词词典,然后基于文本相似度理论为日志自动标记根因,最后根据标记结果将文本信息自动转化为了数值信息。(3)建立基于贝叶斯的CTC车站系统故障诊断网络。根据标记结果确定的贝叶斯网络研究节点,首先建立了基于专家知识的贝叶斯网络,然后为K2算法和MH算法融入先验信息构建两个不同的贝叶斯网络,最后基于多数投票思想融合三个网络得到最终结构。(4)建立完整故障诊断模型。通过实验比较变量消元和联结树与EM算法结合的参数学习结果,证明变量消元法更适合本文的模型;以变量消元结合EM算法的方法学习贝叶斯网络后验参数,建立了完整的CTC车站系统故障诊断模型并对其进行了软件实现。