基于贝叶斯网络的高铁信号系统车载设备故障诊断方法的研究  

Bayesian Network Based Fault Diagnosis System for Vehicle on-board Equipment of High-speed Railway

作　　者：赵阳[1,2] 徐田华[1,3] 周玉平[1,2] 赵文天[1,2] 

机构地区：[1]北京交通大学轨道交通控制与安全国家重点实验室,北京100044 [2]北京交通大学电子信息工程学院,北京100044 [3]北京交通大学城市轨道交通北京实验室,北京100044

出　　处：《铁道学报》2014年第11期48-53,共6页Journal of the China Railway Society

基　　金：中国铁路总公司重点项目(2013X015-B);轨道交通控制与安全国家重点实验室自主研究课题(RCS2012ZT005)

摘　　要：考虑到高铁车载设备故障诊断的不确定性和复杂性,本文提出了基于贝叶斯网络的车载设备故障诊断系统。在建立贝叶斯网络结构的过程中,基于充分利用现场数据与先验知识的思想,本文通过融合不同方法(K2算法,MCMC算法和专家知识)得到最优的贝叶斯网络结构。最后,本文进行了实例分析与模型验证,并与KNN算法、BP神经网络算法进行比较,测试结果表明该模型的正确性和有效性。文中的验证数据来自武广高铁车载设备故障追踪表。Due to the uncertainty and complexity of fault diagnosis of vehicle on-board equipment （VOBE）of high speed railways,the Bayesian network （BN）based fault diagnosis system for VOBE was put forward.In Establishing the BN structure for VOBE,by fully utilizing site data and a priori knewlege,different methods （Algorithm K2,Algorithm MCMC and expert knowledge）were compromised to set up the optimum BN struc-ture.Case study and model verifyication were carried out.Comparison with Algorithm KNN and Algorithm ANN-BP shows that the proposed BN model is correct and effective.The field data are from the fault detection and diagnosis table of VOBE of the Wuhan-Guangzhou High-speed Railway.

关 键 词：贝叶斯网络 故障诊断 高速铁路 车载设备 

分 类 号：TP301.2[自动化与计算机技术—计算机系统结构] U238[自动化与计算机技术—计算机科学与技术]