原文传递
基于文本挖掘的道岔故障分类研究
| 论文题名： | 基于文本挖掘的道岔故障分类研究 |
| 关键词： | 道岔故障;文本挖掘;主题模型;支持向量机;铁路运输 |
| 摘要： | 随着铁路运输高速发展，铁路运输对铁路信号系统的要求不断提高，随之对铁路信号系统设备维护效率要求也越来越高。道岔是铁路信号系统中的重要基础设备，是铁路保持高效运输的关键设备，也是电务维护的重点。铁路电务工作人员投入大量的精力对道岔进行维护，但道岔仍然是故障的高发部位。因此，开展对道岔故障的分类研究，提高道岔故障维护效率，具有重要意义。 道岔在运营维护过程中，积累了大量的维护数据，并以文本的方式记录。这些维护数据对道岔故障分析和设备维护决策有重大的参考价值。通过统计研究广州铁路（集团）公司（简称广铁集团）现场的故障一览表可发现:故障数据录入缺乏规范性，导致故障数据可利用价值降低;故障表中设备类别设置不合理，对故障数据的统计和处理带来一定的难度。铁路信号设备维护管理者希望通过制定一些规章制度解决这类问题，但效果并不理想。 针对上述问题，本文进行了如下研究:根据道岔设备结构组成与工作原理，结合道岔故障记录数据，将道岔故障设备类别进行了重新设置;应用文本挖掘的方法，设计了道岔故障分类器，实现了对道岔故障的自动分类;利用重新设置的道岔故障设备类别和设计的道岔故障分类器，设计并实现了道岔故障数据录入表单，通过设计的表单对道岔故障数据实时记录，确保数据记录准确有效。 本文具体研究工作及成果如下: (1)分析了道岔的结构组成和工作原理。将道岔的分析与故障一览表中记录的道岔故障数据相结合，对道岔故障进行合理的分类。 (2)提取了道岔故障数据中的专业术语，将提取的专业术语注入NLPIR汉语分词系统（又名ICTCLA）的用户词典中，对道岔故障文本进行了分词处理。 (3)针对道岔故障数据描述的多样化，应用了PLSA主题模型特征提取方法对故障文本进行特征提取。 (4)应用了支持向量机的方法设计道岔故障分类器，实现了道岔故障设备类别自动分类，并将分类效果与其他分类方法进行了对比。对比结果表明，PLSA主题模型特征提取与支持向量机相结合的分类效果相对优于其他分类方法。 (5)根据道岔故障分类结果并结合现场需求，设计并实现了道岔故障数据录入表单，规范了道岔故障数据录入。 本文通过对道岔的分类研究和道岔故障录入表单的设计，增强了数据录入的规范性，保证了故障数据录入的有效性，提高了道岔维护管理的效率。 |
| 作者： | 邹运怀 |
| 专业： | 控制工程 |
| 导师： | 唐涛 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
