基于數(shù)據(jù)挖掘的微機(jī)監(jiān)測(cè)系統(tǒng)故障診斷研究.pdf

1、鐵路微機(jī)監(jiān)測(cè)系統(tǒng)是重要的行車(chē)安全輔助設(shè)備,是鐵路裝備現(xiàn)代化的重要組成部分。目前,微機(jī)監(jiān)測(cè)系統(tǒng)的故障診斷功能研究尚處于起步階段,對(duì)于鐵路車(chē)站信號(hào)設(shè)備運(yùn)行狀態(tài)的判斷主要依據(jù)工作人員通過(guò)監(jiān)測(cè)系統(tǒng)采集的數(shù)據(jù)曲線,憑借個(gè)人經(jīng)驗(yàn)來(lái)確定,檢修效率和可靠性相對(duì)低下。因此,實(shí)現(xiàn)微機(jī)監(jiān)測(cè)系統(tǒng)的故障診斷功能是亟待解決的任務(wù)。
　　數(shù)據(jù)挖掘在設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷過(guò)程中主要進(jìn)行特征提取、狀態(tài)識(shí)別和診斷決策。故障特征信息提取是其中最重要、最關(guān)鍵而且也是最困

2、難的環(huán)節(jié)。同時(shí),微機(jī)監(jiān)測(cè)系統(tǒng)監(jiān)測(cè)到的的數(shù)據(jù)流是一種時(shí)間序列,是快速變化的、海量的和潛在無(wú)限的,并且不可能整體存儲(chǔ)和多次掃描,甚至不可能“看到”數(shù)據(jù)流中的每個(gè)元素。因此,時(shí)間序列挖掘是數(shù)據(jù)挖掘研究中最具有挑戰(zhàn)性的十大研究方向之一。論文結(jié)合微機(jī)監(jiān)測(cè)系統(tǒng)自身的監(jiān)測(cè)特點(diǎn),提出一種新的基于時(shí)間序列挖掘的故障特征信息提取算法,該算法按時(shí)間序列點(diǎn)采樣值的線密度分布估計(jì)設(shè)備正常狀態(tài)值,結(jié)合數(shù)據(jù)變化趨勢(shì)和數(shù)據(jù)相對(duì)增量變化的比較情況進(jìn)行故障信息的提取,將該

3、算法用于微機(jī)監(jiān)測(cè)下的道岔設(shè)備、軌道電路和電源三種主要設(shè)備的故障特征信息提取上,并通過(guò)Matlab仿真,結(jié)果表明將該算法應(yīng)用在故障特征信息的提取上是可行的。
　　論文將時(shí)間序列挖掘和面向故障診斷的petri網(wǎng)將結(jié)合,首先利用文中設(shè)計(jì)的數(shù)據(jù)挖掘算法對(duì)微機(jī)監(jiān)測(cè)到的時(shí)間序列進(jìn)行故障信息的提取,然后將提取到的數(shù)據(jù)作為診斷樣本輸入文中自定義的petri網(wǎng),分析了微機(jī)監(jiān)測(cè)下的信號(hào)設(shè)備故障的特點(diǎn),運(yùn)用面向故障診斷的petri網(wǎng)方法進(jìn)行相應(yīng)的故障診

4、斷,最后由petri網(wǎng)輸出診斷結(jié)果。
　　文中分別對(duì)微機(jī)監(jiān)測(cè)系統(tǒng)下主要設(shè)備的常見(jiàn)故障進(jìn)行建模,按照文中提出的前向、后向和混合故障診斷petri網(wǎng)推理算法,依據(jù)時(shí)間序列挖掘方法提取初始狀態(tài),推斷引起故障的可能原因和引發(fā)的后果。通過(guò)對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行處理分析,依據(jù)故障模型推理得出了可能引起故障原因的可能性程度和后繼故障,從診斷結(jié)果上來(lái)看基本可以達(dá)到預(yù)期目的,證明了采用的時(shí)間序列挖掘方法和面向故障診斷的petri網(wǎng)診斷方法運(yùn)用在微機(jī)監(jiān)測(cè)下設(shè)