基于改进贝叶斯网络的车载设备故障诊断研究

摘要：

高速铁路列控车载设备是保证列车安全运行的关键,故障特征表现为复杂性和不确定性.贝叶斯网络在处理不确定性和相关复杂性的问题时具有显著优势,该研究以CTCS3-300T型车载设备为研究对象,建立约简贝叶斯网络模型进行故障诊断.首先,通过分析典型车载设备故障处理现状,提出一种结合专家知识、故障数据集和K2算法的贝叶斯网络模型研究方法.其次,利用K2算法和最大似然估计法分别进行结构学习、参数学习,从局部到整体贝叶斯网络诊断模型,实现快速定位.最后,建立整体贝叶斯网络模型,运用粗糙集理论进行信息约简,建立约简后的贝叶斯网络模型.经实例分析,结果表明该模型能够保证故障诊断结果的准确性,进一步提高故障诊断的效率.

关键词：车载设备、专家知识、K2算法、最大似然估计算法、粗糙集

所属期刊栏目：34

分类号：TP18(自动化基础理论)

在线出版日期：2023-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：87-91