高速動車組運(yùn)維智能決策知識庫的研究和實(shí)現(xiàn).pdf

1、隨著我國高速動車組的大規(guī)模投入使用，動車組成為了鐵路客運(yùn)與貨運(yùn)的重要工具。伴隨著運(yùn)行時(shí)間和運(yùn)行里程的增長，動車組運(yùn)營已經(jīng)積累了海量的運(yùn)營數(shù)據(jù)和豐富的運(yùn)維經(jīng)驗(yàn)。但目前我們面臨的問題是這些數(shù)據(jù)和經(jīng)驗(yàn)還不能直接有效的被運(yùn)維人員利用。與此同時(shí)動車組在長期運(yùn)行過程中難免會發(fā)生故障，如何保障動車組的高效安全運(yùn)行成為動車組運(yùn)維工作的重中之重。
　　針對上述問題，本文研究和實(shí)現(xiàn)了高速動車組運(yùn)維智能決策知識庫，用于指導(dǎo)動車組運(yùn)維決策。知識庫的建立能

2、夠?qū)崿F(xiàn)知識的錄入、共享交流等。
　　針對目前海量數(shù)據(jù)的情況以及運(yùn)維要求快速反應(yīng)的特點(diǎn)，本文對知識庫中用到的關(guān)鍵技術(shù)做出以下改進(jìn):
　　(1)改進(jìn)知識發(fā)現(xiàn)過程中現(xiàn)有的Fp-growth算法，針對當(dāng)前算法中的不足做出改進(jìn)。
　　(2)將改進(jìn)后的Fp-growth算法Map-Reduce并行化，對每個(gè)結(jié)點(diǎn)構(gòu)造頻繁模式樹進(jìn)行遞歸挖掘，再合并局部頻繁項(xiàng)目集得到全局頻繁項(xiàng)集。
　　(3)改進(jìn)知識檢索技術(shù)，本文采用基于字典的正

3、向最大匹配分詞算法，使用hash機(jī)制組織運(yùn)維詞典詞庫，設(shè)計(jì)實(shí)現(xiàn)了中文分詞模塊。
　　經(jīng)實(shí)驗(yàn)驗(yàn)證本文改進(jìn)后的Fp-growth算法在時(shí)間性能和空間性能兩方面都得到了很好的提升，通過對改進(jìn)后Fp-growth算法的Map-Reduce并行化，提高了數(shù)據(jù)的處理速度，并且算法具有很好的加速比和良好的擴(kuò)展性。同時(shí)中文分詞技術(shù)的使用能夠幫助運(yùn)維人員高效的從知識庫中獲取知識。
　　本系統(tǒng)設(shè)計(jì)了知識庫的規(guī)則庫和事實(shí)庫，創(chuàng)建了知識庫的更新模塊