原文传递
基于贝叶斯网络的列控车载设备故障诊断研究
| 论文题名： | 基于贝叶斯网络的列控车载设备故障诊断研究 |
| 关键词： | 列控车载设备;故障诊断;贝叶斯网络;粗糙集理论 |
| 摘要： | 车载设备作为列控系统的核心设备之一，是控制列车安全高效运行的重要保证。然而，在实际运行中车载设备故障时有发生，且目前我国车载设备的故障诊断和维修仍然凭借专家经验。这种方式自动化程度低，诊断准确率完全依赖于专家经验，已经不能满足我国铁路运输的需求。因此寻求一种更加高效、准确的车载设备故障诊断方法具有重要意义。 经过长时间的积累，列控车载设备故障诊断领域形成了大量的故障记录信息和一定的诊断经验;同时，车载设备作为复杂系统，在故障诊断中存在不确定性问题。而目前针对车载设备的故障诊断在处理故障记录信息、专家经验以及不确定性问题方面尚存在一定的不足。因此本文以研究适用于车载设备的故障诊断方法为目的，深入分析车载设备故障特点，将目前解决不确定性问题最好的方法之一的贝叶斯网络作为核心算法，建立结合故障记录信息和专家经验的故障诊断模型，通过粗糙集理论的模型约简和贝叶斯网络节点划分的改进，对模型进行优化，并利用实际故障记录数据进行验证分析，证明了方法的有效性和准确性。 论文具体研究内容如下: (1)车载设备故障诊断方法研究。结合国内外研究现状，分析了现有车载设备故障诊断方法以及各自存在的不足;分析车载设备故障诊断特征，提出了基于贝叶斯网络的车载设备故障诊断方法;深入研究模型建立方法，通过对专家经验和线路故障记录数据的分析获得车载设备故障诊断知识库，在此基础上利用贝叶斯网络建立车载设备故障诊断模型;分析诊断模型在车载设备故障诊断中的应用，证明了本文提出的方法能够有效的对车载设备进行故障诊断。 (2)诊断模型优化研究。针对车载设备故障记录信息中存在大量冗余信息的问题，提出一了种基于粗糙集理论的车载设备故障诊断模型约简方法。利用粗糙集理论的知识约简技术对故障信息进行压缩，去除存在的冗余信息，从而有效的简化诊断模型，提高模型推理诊断效率。针对传统贝叶斯网络节点划分在故障诊断中存在的局限性，提出改进的贝叶斯网络节点划分。通过对传统贝叶斯网络节点划分进行补充和完善，建立基于改进贝叶斯网络节点的车载设备故障诊断模型;利用故障记录数据进行验证分析，证明了优化方法具有较好的有效性和准确性。 (3)故障诊断系统设计与实现。利用C＃和Matlab混合编程技术，设计和实现了车载设备故障诊断系统，为车载设备故障诊断决策提供支持。 |
| 作者： | 李玉兰 |
| 专业： | 交通信息工程及控制 |
| 导师： | 李开成 |
| 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
