原文传递
基于知识图谱的道岔转辙机故障诊断研究
| 论文题名： | 基于知识图谱的道岔转辙机故障诊断研究 |
| 关键词： | 道岔转辙机;故障诊断;知识图谱;智能问答;轻量级深度残差网络 |
| 摘要： | 道岔转辙机作为转换列车行进方向的铁路信号设备，对其进行故障诊断研究是保障列车安全运行的重要举措。但目前道岔转辙机故障诊断领域关于其故障知识的有效组织及应用研究仍比较少，没有建立统一的故障知识库。此外，随着道岔转辙机设备复杂程度的增加，部件单元之间的耦合性也越来越强，传统的故障诊断方法无法表示其各故障要素信息之间错综复杂的关系。 针对上述问题，本文将目前发展迅速的知识图谱技术引入到道岔转辙机故障诊断领域。以铁路常用的ZYJ7型电液式转辙机为研究对象，开展了基于知识图谱的故障诊断研究。本文的主要研究工作如下： （1）根据道岔转辙机故障记录文本数据，采用自顶向下的方法构建了道岔转辙机故障诊断领域知识图谱，包括本体构建、实体抽取、实体对齐、信息拼接及知识图谱可视化五个阶段。将道岔转辙机故障现象、故障原因、故障位置、故障维修及厂家信息之间错综复杂的关联以图的形式进行展现，为后续故障诊断任务提供知识背景。 （2）在道岔转辙机故障诊断领域知识图谱的基础上，构建了线上故障诊断模式：智能问答系统。首先建立LSTM模型对输入问句进行问题分类及意图识别，根据分类结果按照预先定义的模板初步形成neoj图数据库Cypher语句；其次进行槽位填充，对问句关键信息进行提取，填入初步形成的Cypher语句中使其完整；最后将Cypher语句执行结果按照预先定义的形式进行结果反馈。其中，考虑到某个故障现象可能由不同的故障原因导致的情况，将原因返回结果按照可能性从高到底进行了排序。 （3）构建了知识图谱结合数据驱动的线下故障诊断模式：为减少深度学习模型参数，在深度残差网络的基础上，采用深度可分离卷积的方法对其进行改进，构建了轻量级深度残差网络模型。以油压信号图像作为输入，完成故障模式识别任务，并根据知识图谱获得故障位置、故障维修等相关信息。实验表明，本文构建的轻量级深度残差网络模型故障诊断准确率为98.3%，在保证高准确率的同时大幅度减少了模型计算参数量。 最后，在上述工作的基础上设计并实现了道岔转辙机故障诊断软件系统。系统分为用户登录、用户信息管理、知识图谱管理、故障诊断及故障诊断记录查询五个功能模块。用户可以使用此系统更高效地完成道岔转辙机的故障模式识别、故障定位及故障维修决策等操作，有效地节约了时间成本和人力成本。 |
| 作者： | 高佳鑫 |
| 专业： | 计算机技术 |
| 导师： | 杨喜旺;赵永军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中北大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
