基于文本數(shù)據(jù)的鐵路道岔故障預(yù)測.pdf

1、鐵路道岔是鐵路基礎(chǔ)設(shè)施中非常重要的設(shè)備，也是最容易出現(xiàn)故障的信號設(shè)備，其狀態(tài)會直接影響整個鐵路系統(tǒng)的可用性和服務(wù)質(zhì)量。其一旦發(fā)生故障，輕則導(dǎo)致列車晚點(diǎn)，影響行車效率，重則導(dǎo)致列車脫軌，危及行車安全，造成財(cái)產(chǎn)損失和人員傷亡。繁忙的鐵路運(yùn)輸也對道岔的維護(hù)提出了更高的要求，傳統(tǒng)的計(jì)劃維修方式已無法滿足對運(yùn)營效率的需求。故障預(yù)測與健康管理技術(shù)作為減少設(shè)備維護(hù)費(fèi)用，提高設(shè)備完好率的重要手段，引起了越來越多的關(guān)注。因此，采用科學(xué)的方法提前預(yù)測設(shè)備發(fā)

2、生故障的概率或者某一時間段將會發(fā)生的故障數(shù)，變事后處理為事前預(yù)防已成為大勢所趨。傳統(tǒng)對傳感數(shù)據(jù)的獲取不僅成本高昂，而且數(shù)據(jù)不完整且含有噪聲。目前鐵路現(xiàn)場故障記錄多為文本數(shù)據(jù)，而這些被忽視的豐富的文本數(shù)據(jù)可以作為對信號設(shè)備分析的很好的來源。
　　本文以廣鐵集團(tuán)的現(xiàn)場維護(hù)記錄數(shù)據(jù)為依據(jù)，首先使用文本挖掘技術(shù)提取道岔的真正故障致因，再針對主要故障致因?qū)Φ啦磉M(jìn)行故障預(yù)測。通過對道岔的故障致因提取發(fā)現(xiàn)天氣是導(dǎo)致道岔故障非常重要的原因之一，大

3、約30％的道岔故障都與天氣相關(guān)。因此，本文以天氣情況作為故障因素，融合鐵路實(shí)際故障記錄數(shù)據(jù)和天氣數(shù)據(jù)，提出了一種貝葉斯網(wǎng)絡(luò)的預(yù)測模型和一種基于AdaBoost的預(yù)測模型去探究天氣和道岔故障之間的精確關(guān)系。考慮到失效事件的稀有性，論文利用Noisy MAX模型從小數(shù)據(jù)集中預(yù)測道岔的故障;考慮到失效事件的隨機(jī)本質(zhì)，論文利用蒙特卡洛仿真減弱失效事件隨機(jī)性的影響，并取得了很好的預(yù)測效果。此外，還將本文提出的方法的預(yù)測結(jié)果與目前流行的預(yù)測方法進(jìn)行

4、對比，結(jié)果表明本文提出的貝葉斯網(wǎng)絡(luò)具有良好的預(yù)測性能。最后，通過C＃編程，設(shè)計(jì)和改進(jìn)了信號設(shè)備維護(hù)管理系統(tǒng)中的道岔維護(hù)管理模塊，將貝葉斯網(wǎng)絡(luò)的條件概率表融入維護(hù)管理系統(tǒng)，為鐵路電務(wù)部門對道岔維護(hù)提供決策支持。
　　論文的主要創(chuàng)新點(diǎn)為:
　　(1)本文首次提出了天氣相關(guān)的鐵路道岔故障預(yù)測模型。從文本記錄中抽取出天氣相關(guān)的故障致因和故障數(shù)目，將天氣數(shù)據(jù)和故障數(shù)據(jù)融合，分析天氣因素和道岔故障之間的精確關(guān)系。
　　(2)利用文

5、本挖掘技術(shù)提取道岔的故障致因，從實(shí)際文本數(shù)據(jù)中捕獲導(dǎo)致道岔故障的真正原因。
　　(3)論文提出了一種基于貝葉斯網(wǎng)絡(luò)的道岔故障預(yù)測方法，設(shè)計(jì)基于熵最小化的離散化方法對模型變量離散化處理，使模型獲得更好的預(yù)測性能。
　　(4)為了避免因小數(shù)據(jù)量導(dǎo)致的預(yù)測不精確，論文將貝葉斯網(wǎng)絡(luò)轉(zhuǎn)化成獨(dú)立因果交互模型，利用Noisy MAX模型減少需要學(xué)習(xí)的參數(shù)數(shù)目，并利用蒙特卡洛仿真削弱失效事件隨機(jī)性的影響，提高預(yù)測的精度。
　　本文的研