一種高速列車故障處理方法
【專利摘要】本發(fā)明涉及高速列車故障處理方法，步驟為：1）查詢故障列表中用戶設定時間內發(fā)生的故障和故障代碼，組成故障集；2）對故障集進行掃描得到滿足最小支持度的頻繁項目集，得到合法故障關聯(lián)規(guī)則集；3）將合法故障關聯(lián)規(guī)則集通過規(guī)則圖表示，根據步驟1）故障列表中故障與該規(guī)則圖上的節(jié)點進行匹配；4）在匹配后的規(guī)則圖中遍歷找到所有節(jié)點均被匹配路徑；計算被匹配路徑上各個節(jié)點所代表故障的重要性并排序；5）根據重要性排序按照故障重要性由高到低進行處理。本發(fā)明可在專家知識缺乏的情況下，支持對故障原因分析，同時利用規(guī)則匹配尋找海量故障中的因果關系，使維修可以優(yōu)先修理重要性高的根源故障，從而大大降低了高速列車的故障維修成本。
【專利說明】一種高速列車故障處理方法
【技術領域】
[0001]本發(fā)明專利涉及故障診斷技術，具體涉及一種高速列車故障原因分析處理方法?！颈尘凹夹g】
[0002]高速列車網絡控制系統(tǒng)故障間復雜的因果關系，給列車維修帶來了極大困難。因此，尋找故障原因，定位根源故障，對節(jié)省列車維修成本具有十分重要的意義。
[0003]目前的故障原因分析處理方法通常根據專家經驗，采用貝葉斯網絡對故障間的因果關系進行建模，并通過求解貝葉斯網絡，獲得可能的根源故障。貝葉斯網絡是一種概率網絡，它是基于概率推理的圖形化網絡，而貝葉斯公式則是這個概率網絡的基礎。貝葉斯網絡是基于概率推理的數學模型，基于概率推理的貝葉斯網絡(Bayesian network)是為了解決不定性和不完整性問題而提出的，它對于解決復雜設備不確定性和關聯(lián)性引起的故障有很的優(yōu)勢，在多個領域中獲得廣泛應用。
[0004]規(guī)則推理，是指把相關領域的專家知識形式化的描述出來，形成系統(tǒng)規(guī)則。這些規(guī)則表示著該領域的一些問題與這些問題相應的答案，可以利用它們來模仿專家在求解中的關聯(lián)推理能力。
[0005]基于規(guī)則中處理的變量的類別:1)關聯(lián)規(guī)則處理的變量可以分為布爾型和數值型。布爾型關聯(lián)規(guī)則處理的值都是離散的、種類化的，它顯示了這些變量之間的關系；而數值型關聯(lián)規(guī)則可以和多維關聯(lián)或多層關聯(lián)規(guī)則結合起來，對數值型字段進行處理，將其進行動態(tài)的分割，或者直接對原始的數據進行處理，當然數值型關聯(lián)規(guī)則中也可以包含種類變量。2)基于規(guī)則中數據的抽象層次:基于規(guī)則中數據的抽象層次，可以分為單層關聯(lián)規(guī)則和多層關聯(lián)規(guī)則。在單層的關聯(lián)規(guī)則中，所有的變量都沒有考慮到現(xiàn)實的數據是具有多個不同的層次的；而在多層的關聯(lián)規(guī)則中，對數據的多層性已經進行了充分的考慮。3)基于規(guī)則中涉及到的數據的維數:關聯(lián)規(guī)則中的數據，可以分為單維的和多維的。
[0006]采用貝葉斯網絡對故障間的因果關系進行建模這類方法需要關于故障間因果關系的專家經驗，但在實際應用中，高速列車許多故障間的因果關系往往還不為人所知，沒有專家經驗可循。在這種情況下，已有的基于貝葉斯網絡的故障原因處理方法就不再適用了。如何發(fā)現(xiàn)故障間尚不為人知的因果關聯(lián)關系，從而在缺少相關專家經驗的情況下，對高速列車所產生的大量故障中尋找到根源故障，成為了有待解決的問題。
【發(fā)明內容】
[0007]針對現(xiàn)有技術中的不足，本發(fā)明通過結合關聯(lián)規(guī)則挖掘和規(guī)則推理，對故障原因進行分析，大大節(jié)省維修成本。
[0008]為解決如上的技術問題，本發(fā)明提供了一種基于關聯(lián)規(guī)則挖掘與規(guī)則推理的高速列車故障原因分析處理方法，其具體步驟如下:
[0009]I)查詢故障列表中在用戶設定時間內發(fā)生的故障和故障代碼，組成一故障集；
[0010]2)對所述故障集進行掃描得到滿足最小支持度的頻繁項目集，在所述項目集中生成故障關聯(lián)規(guī)則并得到所述故障關聯(lián)規(guī)則中的合法故障關聯(lián)規(guī)則集；
[0011]3)將所述合法故障關聯(lián)規(guī)則集通過規(guī)則圖表示，根據步驟I)所述故障列表中故障與該規(guī)則圖上的節(jié)點進行匹配，得到匹配后的規(guī)則圖；
[0012]4)在所述匹配后的規(guī)則圖中遍歷找到所有節(jié)點均被匹配路徑；計算出所述被匹配路徑上各個節(jié)點所代表故障的重要性并排序；
[0013]5)根據所述重要性排序按照故障重要性由高到低進行處理。
[0014]所述故障的重要性P (V) =O(V)+L (V)，其中，O (V)為節(jié)點V在規(guī)則圖上的出度，L(V)為所有通過節(jié)點V的被匹配路徑的最大路徑長度值。
[0015]所述故障模式集是所有頻繁項目集的集合；所述頻繁項目集是所包含的故障同時出現(xiàn)的次數大于用戶設定的最小支持度的項目集。
[0016]所述合法故障關聯(lián)規(guī)則集包括若干故障關聯(lián)規(guī)則，所述每一條關聯(lián)規(guī)則左子式為根源故障，右子式為結果故障的故障關聯(lián)規(guī)則。
[0017]所述匹配后的規(guī)則圖中的每個節(jié)點代表高速列車的故障，有向邊從根源故障中發(fā)出指向結果故障，組成一條故障關聯(lián)規(guī)則。
[0018]所述故障關聯(lián)規(guī)則表示高速列車故障間的因果關系。
[0019]所述頻繁項集根據頻繁項集挖掘算法Apriori得到。
[0020]將所述頻繁項集中出現(xiàn)時間早的故障作為根源故障，出現(xiàn)時間晚的故障作為結果故障，組成若干故障關聯(lián)規(guī)則。
[0021]將所述頻繁項集的置信度作為該故障關聯(lián)規(guī)則為真的概率，獲取故障間未知的關聯(lián)關系。
[0022]將所述關聯(lián)規(guī)則集中左子式的根源故障作為子節(jié)點，右子式的結果故障作為父節(jié)點；對于同一條路徑上節(jié)點所表示的故障，按照先修子節(jié)點所代表的故障，再修理父節(jié)點所代表的故障順序進行處理。
[0023]本發(fā)明的有益效果
[0024]首先，本發(fā)明利用關聯(lián)規(guī)則挖掘獲取故障間的關聯(lián)關系，這樣便可在專家知識缺乏的情況下，支持對故障原因的處理；同時，本發(fā)明利用規(guī)則匹配尋找海量故障中的因果關系，使維修可以優(yōu)先修理重要性高的根源故障，從而大大降低了高速列車的故障維修成本。
【專利附圖】
【附圖說明】
[0025]圖1是本發(fā)明高速列車故障處理方法流程圖；
[0026]圖2是本發(fā)明高速列車故障處理方法一實施例中規(guī)則圖。
【具體實施方式】:
[0027]下面將結合本發(fā)明實施例中的附圖，對本分買那個實施例中的技術方案進行清楚、完整地描述，可以理解的是，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0028]發(fā)明原理
[0029]本發(fā)明利用關聯(lián)規(guī)則挖掘獲取故障間的關聯(lián)關系，同時，本發(fā)明利用規(guī)則匹配尋找海量故障中的因果關系，先將原理和步驟詳述如下:
[0030](I)對用戶指定時間內高速列車發(fā)生的故障集進行關聯(lián)規(guī)則挖掘，關聯(lián)規(guī)則挖掘的方法(可參見陳京民編著，數據倉庫原理、設計與應用，水利水電出版社，2004，)發(fā)現(xiàn)故障集內故障的因果關系，這一步具體包括:
[0031]1.1)對在用戶所指定的時間段內的故障列表進行查詢，提取在這一時間段內發(fā)生的故障及其故障代碼，形成故障集，對故障集進行掃描，找到所有滿足用戶給定的最小支持度的頻繁項目集；(最小支持度可參見陳京民編著，數據倉庫原理、設計與應用，水利水電出版社，2004 ；)頻繁項目集是指出現(xiàn)頻率大于最小支持度的項集；在此，項目集則是包含了若干故障的集合。
[0032]1.2)將(1.1)中獲得的頻繁項目集，組成故障模式集(即所有頻繁項目集的集合)，并根據故障模式集，生成關聯(lián)規(guī)則，每條關聯(lián)規(guī)則表示了故障間的因果關系
[0033](2)對(I)中所獲得的關聯(lián)規(guī)則集進行檢查，獲得合法的故障關聯(lián)規(guī)則集。一個合法的故障關聯(lián)規(guī)則集包含若干故障關聯(lián)規(guī)則。每條關聯(lián)規(guī)則的左子式為根源故障，右子式則為結果故障。
[0034](3)將合法的故障關聯(lián)規(guī)則集中的規(guī)則表示為一個有向無環(huán)的規(guī)則圖。圖中的每個節(jié)點代表高速列車的故障；有向邊從一個根源故障中發(fā)出，指向一個結果故障。
[0035](4)將用戶提供的故障列表中高速列車出現(xiàn)的故障與規(guī)則圖上的節(jié)點逐一進行比較，當規(guī)則圖上某節(jié)點所代表的故障出現(xiàn)時，則該節(jié)點被匹配。規(guī)則圖上的節(jié)點表示的是故障而不是代表一條規(guī)則。兩個節(jié)點加上它們之間的有向邊代表一條故障關聯(lián)規(guī)則
[0036](5)根據節(jié)點匹配后的規(guī)則圖，尋找所有節(jié)點均被匹配的路徑。每條路徑的入口節(jié)點即為根源故障。也就是說，從圖中的葉子節(jié)點(入口節(jié)點)出發(fā)，尋找與其相連的被匹配的結點，直至找到圖中的根結點(出口結點)，此時便在規(guī)則圖上找到了一條其上節(jié)點均被匹配的路徑。
[0037](6)對于所有在(5)中被找到的路徑，計算各節(jié)點所代表故障的重要性。設P(V)為節(jié)點V的重要性，則P (V)=O(V)+L (V)。其中，O(V)為節(jié)點V在(3)所描述的規(guī)則圖上的出度，圖中一個節(jié)點的出度是指在圖中從這個節(jié)點發(fā)出的有向邊的數目，L(V)為節(jié)點V所在的(5)中尋找出的所有路徑的長度的最大值。在步驟6)中可以獲得圖中每個節(jié)點的重要性P(V);路徑長度最大值是指節(jié)點V所在的若干路徑的長度的最大值，是計算節(jié)點V重要性的一項，即L(V)
[0038]( 7)按(6)中所計算的各入口節(jié)點的重要性由高到低的順序進行排序。維修時，優(yōu)先修理重要性值高的根源故障。
[0039]圖1是給出了實施的具體流程。首先，用戶(領域專家)給出需要關注故障的故障編碼，并根據具體需要設置最小支持度等相關參數的值。(這些具體需要是從領域專家在高速列車維修中所積累的有關故障同時出現(xiàn)情況的經驗中獲取的)在此，最小支持度是指項集在給定的故障表中同時出現(xiàn)的次數。在此基礎上，將這些設置的參數(最小支持度)以及給定的故障表中所有出現(xiàn)的故障作為輸入，采用頻繁項集挖掘算法Apriori算法，分析處理出所有頻繁項目集。為方便起見，我們稱這些頻繁項目集的集合為故障模式集。Apriori算法的具體處理過程可參見文獻Rakesh Agrawal, Ramakrishnan Srikant, “Fast Algorithmsfor Mining Association Rules，，, Proceedings ofthe 20th VLDB Conference, 1994.。假設，此時所分析出的故障模式集為為{{f 10, f 12}, {f 10, f22}, {f 10, f23}, {f 11, f 10}, {f 12,f6}, {fl2，fl0}，{fl3，f29}，{f24，fll}，{f25，f 11}}。各頻繁項集的可置信度為 0.93，0.97，0.65，1，0.61，1，1，1，I。其中，置信度是指故障A出現(xiàn)的同時故障B也出現(xiàn)的可能性。
[0040]對上述所獲得的故障模式集中的各頻繁項集進行分析，將各頻繁項集中出現(xiàn)時間早的故障作為根源故障，將出現(xiàn)時間晚的故障作為結果故障，組成若干故障關聯(lián)規(guī)則，頻繁項集的置信度則可作為該故障關聯(lián)規(guī)則為真的概率，從而獲取故障間未知的關聯(lián)關系。表I給出了所獲得的故障關聯(lián)規(guī)則。
[0041]表1
[0042]
【權利要求】
1.一種高速列車故障處理方法，其步驟包括: 1)查詢故障列表中在用戶設定時間內發(fā)生的故障和故障代碼，組成一故障集； 2)對所述故障集進行掃描得到滿足最小支持度的頻繁項目集，在所述項目集中生成故障關聯(lián)規(guī)則并得到所述故障關聯(lián)規(guī)則中的合法故障關聯(lián)規(guī)則集； 3)將所述合法故障關聯(lián)規(guī)則集通過規(guī)則圖表示，根據步驟I)所述故障列表中故障與該規(guī)則圖上的節(jié)點進行匹配，得到匹配后的規(guī)則圖； 4)在所述匹配后的規(guī)則圖中遍歷找到所有節(jié)點均被匹配路徑；計算出所述被匹配路徑上各個節(jié)點所代表故障的重要性并排序； 5)根據所述重要性排序按照故障重要性由高到低進行處理。
2.如權利要求1所述的高速列車故障處理方法，其特征在于，所述故障的重要性P (V) =O (V) +L (V)，其中，O (V)為節(jié)點V在規(guī)則圖上的出度，L (V)為所有通過節(jié)點V的被匹配路徑的最大路徑長度值。
3.如權利要求1所述的高速列車故障處理方法，其特征在于，所述故障模式集是所有頻繁項目集的集合；所述頻繁項目集是所包含的故障同時出現(xiàn)的次數大于用戶設定的最小支持度的項目集。
4.如權利要求1所述的高速列車故障處理方法，其特征在于，所述合法故障關聯(lián)規(guī)則集包括若干故障關聯(lián)規(guī)則，所述每一條關聯(lián)規(guī)則左子式為根源故障，右子式為結果故障的故障關聯(lián)規(guī)則。
5.如權利要求1所述的高速列車故障處理方法，其特征在于，所述匹配后的規(guī)則圖中的每個節(jié)點代表高速列車的故障，有向邊從根源故障中發(fā)出指向結果故障，組成一條故障關聯(lián)規(guī)則。
6.如權利要求1所述的高速列車故障處理方法，其特征在于，所述故障關聯(lián)規(guī)則表示高速列車故障間的因果關系。
7.如權利要求1所述的高速列車故障處理方法，其特征在于，所述頻繁項集根據頻繁項集挖掘算法Apriori得到。
8.如權利要求1或7所述的高速列車故障處理方法，其特征在于，將所述頻繁項集中出現(xiàn)時間早的故障作為根源故障，出現(xiàn)時間晚的故障作為結果故障，組成若干故障關聯(lián)規(guī)則。
9.如權利要求1或7所述的高速列車故障處理方法，其特征在于，將所述頻繁項集的置信度作為該故障關聯(lián)規(guī)則為真的概率，獲取故障間未知的關聯(lián)關系。
10.如權利要求1或4所述的高速列車故障處理方法，其特征在于，將所述關聯(lián)規(guī)則集中左子式的根源故障作為子節(jié)點，右子式的結果故障作為父節(jié)點；對于同一條路徑上節(jié)點所表示的故障，按照先修子節(jié)點所代表的故障，再修理父節(jié)點所代表的故障順序進行處理。
【文檔編號】G06F19/00GK103793589SQ201210428024
【公開日】2014年5月14日 申請日期:2012年10月31日 優(yōu)先權日:2012年10月31日
【發(fā)明者】喬穎, 張克銘, 王宏安, 趙琛 申請人:中國科學院軟件研究所