基于文本挖掘的高铁信号系统车载设备故障诊断

被引:46
作者
赵阳 [1 ]
徐田华 [2 ]
机构
[1] 中国科学院自动化研究所
[2] 北京交通大学轨道交通控制与安全国家重点实验室
关键词
故障诊断; 高速铁路; 车载设备; 主体模型; 贝叶斯网络;
D O I
暂无
中图分类号
U279 [车辆运用、保养与检修];
学科分类号
摘要
本文以故障文本信息为依据,提出基于文本挖掘的高铁信号系统车载设备的故障诊断方法。针对故障追踪表记录的不规范性和随意性,采用主题模型对故障追踪表进行分析和特征提取;在此基础上,考虑到高铁信号系统车载设备故障诊断的不确定性,采用贝叶斯网络作为故障分类的方法。在贝叶斯网络结构的确定中,根据车载设备的特点与领域专家知识,提出适用于车载设备的贝叶斯结构学习算法HDBNSL。以武广线的现场数据为依据,进行实验分析,测试结果表明本文特征提取以及故障诊断方法具有较好的诊断准确性。
引用
收藏
页码:53 / 59
页数:7
相关论文
共 6 条
  • [1] 自然语言处理中主题模型的发展
    徐戈
    王厚峰
    [J]. 计算机学报, 2011, 34 (08) : 1423 - 1436
  • [2] 基于粗糙集和模糊聚类理论的文本分类系统的研究与实现
    郑丽英
    王海涌
    刘丽艳
    [J]. 铁道学报, 2007, (01) : 45 - 49
  • [3] 时空本体研究及在地理信息系统中的应用
    徐薇
    黄厚宽
    秦勇
    [J]. 铁道学报, 2005, (04) : 119 - 124
  • [4] An ontology-driven decision support system for high-performance and cost-optimized design of complex railway portal frames
    Saa, Ruben
    Garcia, Alberto
    Gomez, Carlos
    Carretero, Jesus
    Garcia-Carballeira, Felix
    [J]. EXPERT SYSTEMS WITH APPLICATIONS, 2012, 39 (10) : 8784 - 8792
  • [5] Improving Markov Chain Monte Carlo Model Search for Data Mining
    Paolo Giudici
    Robert Castelo
    [J]. Machine Learning, 2003, 50 : 127 - 158
  • [6] A BAYESIAN METHOD FOR THE INDUCTION OF PROBABILISTIC NETWORKS FROM DATA
    COOPER, GF
    HERSKOVITS, E
    [J]. MACHINE LEARNING, 1992, 9 (04) : 309 - 347