论文部分内容阅读
铁路信号系统是由多种控制设备构成的，受设备使用率及环境等因素的影响，造成信号系统故障具有随机性和模糊性的特点。在我国铁路高速、重载和高密度发展方向的引导下，建立和完善铁路信号设备维修和监测系统，逐步实现设备零故障，是保障铁路运输安全亟待研究的重大课题之一。目前，我国铁路信号利用了微机监测系统采集设备的实时状态信息，为了解设备运行状况和分析事故原因提供了可靠的依据。但是，当信号设备发生故障时，铁路信号系统缺乏一个集状态监测与故障诊断于一体的综合监测软件。因此，铁路信号设备故障诊断专家系统的建立，对故障的定位和维修方案的制定具有非常现实的意义。针对铁路信号设备故障诊断技术的现状，论文首先列述了铁路信号设备的常见故障并分析了故障原因，介绍了故障诊断的基本方法，并对各传统方法的优缺点进行了比较。其次，结合我国铁路信号系统的特点，设计了基于C4.5学习算法的知识库构建模型，同时对故障诊断专家系统中的推理机、解释机制和人机接口进行了研究和设计。最后，通过一个电路故障实例，对所设计的故障诊断专家系统中的主要模块在故障诊断中的工作效能进行了验证。在对铁路信号设备故障诊断方法的分析与研究中，针对诊断功能的具体实现，参阅了大量的相关文献和技术资料，对智能学习算法在其它领域的实际应用情况进行了分析。在此基础上，对基于决策树的知识表示与知识获取方法进行了深入探讨，重点对C4.5学习算法在铁路车站信号设备故障诊断专家系统中的应用进行了研究，提出了基于决策树的知识表示与获取方法的应用模型，设计了基于决策树模型的复杂故障诊断算法。该算法充分利用了决策树集知识表示与知识获取于一体的优点，克服了传统人工智能系统中知识表示与知识获取分离的不足之处。将C4.5学习算法应用于建立专家系统知识库，有助于解决专家系统知识获取的“瓶颈”问题，增强专家系统的知识表达和组织能力，提高故障诊断的决策效率。在验证阶段，以Visual C++6.0作为开发环境，设计了专家系统中各个功能子模块，实现了铁路信号设备的故障诊断。实验结果表明，该方法可以实现知识自动获取，为实际应用系统的开发奠定了基础。