原文传递
基于案例推理与深度学习的车载列控系统故障诊断研究
| 论文题名： | 基于案例推理与深度学习的车载列控系统故障诊断研究 |
| 关键词： | 车载列车自动控制系统;案例推理;深度学习;故障诊断 |
| 摘要： | 我国城市轨道交通运营规模的持续高增长，在带动城市基础设施发展的同时也对城市轨道交通运营的安全保障提出了更高的要求。车载列车自动控制系统是保障城市轨道交通安全高效运营的核心，也是故障突发紧急处置的人机交互界面。实际运营中，车载列控系统的故障诊断受人员技能水平、应变能力以及经验丰富程度的制约，存在诊断方案智能程度不高，精确度低等问题，因此急需建立一套高效准确的车载列控智能故障诊断系统。 本文在分析案例推理基本原理基础上，重点构建了基于案例推理的车载列控系统故障诊断模型。在模型构建过程中，首先采用面向对象的表示方法定义了车载列控系统的故障案例表达形式，并利用粗糙集理论完成客观故障案例特征提取；然后为了解决车载列控系统故障数据数据类型不统一问题，引用HSA-CBR(HybridSearchAlgorithmbasedonCBR，基于CBR的混合检索方法)相似度计算方法，并改进了欧氏距离算子和权值最邻近算法提高局部和全局案例检索的准确度和速度，并解决了数据属性量纲不统一问题。同时，为了进一步提高车载列控系统案例匹配的速度和精确度，提出一种基于深度学习的案例匹配优化方法，分别建立基于Bi-LSTM(Bi-directionalLongShort-TermMemory，双向长短时神经记忆网络)、CNN(ConvolutionalNeuralNetwork，卷积神经网络)以及Bi-LSTM-CNN联合神经网络的案例匹配模型，并以某地铁一号线故障工单为数据基础进行实验验证，结果表明Bi-LSTM-CNN联合案例匹配模型准确率可达99.5%，证实了案例匹配优化算法的可行性和有效性。 本文最后设计了ICMS系统(IntelligentFaultDiagnosisandCaseManagementSystem，智能故障诊断与案例管理系统)，实现了对车载列控系统的故障诊断、案例管理以及数据查询，为精准故障诊断和行车安全保障提供理论支撑。 |
| 作者： | 余辉敏 |
| 专业： | 交通信息工程及控制 |
| 导师： | 陈新 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
