导　　师： 程良伦

授予学位： 硕士

作　　者： (）;

机构地区： 广东工业大学

摘　　要： 目前,轨道交通维修数据的相关理论和技术的应用情况较少,其主要原因在于,城市轨道交通设备的故障数据缺乏精确的理论基础,故障现象采用非结构化的自然语言描述,不利于自动分析和检索。同时,现有轨道设备的维修策略主要以经验指导为主,存在缺乏维修或者过度维修导致的大量人力财力投入问题。因此,本文将主要进行轨道交通非结构化数据处理和维修决策研究。针对轨道交通设备的故障数据缺乏精确的理论基础的问题,本文主要集中于非结构化数据的处理工作。在非结构化轨道故障数据中,关键问题在于从数据中提取有效信息,常用的方法是采用中文分词技术对数据进行切分提取,但是现有分词技术由于无法识别轨道交通的专有词汇,导致切分结果并不理想。因此,本文将利用现有的故障数据创建新的词典,构建词典完成后使用正向最大匹配算法进行数据切分。针对现在轨道交通数据无法进行有效检索的问题,本文研究分析了轨道设备的数据特点,在检索工具Elastic Search的基础上,搭建了数据检索框架,将数据写入框架中,同时,使用多种方法用于提高数据的检索速度。针对现有轨道交通设备的维修策略以经验为主导的问题,目前国内外大部分都是基于不同的维修理论进行多理论结合,单个理论的改进,现有FMECA算法是一个可以对设备进行定量分析的单模式理论,但其单模式无法对设备进行关联分析,因此,本文提出了基于关联图的FMECA改进方法,在该方法中,首先利用故障数据词典对数据进行切分,构建设备的关联图,并加入设备的影响因素状态信息,实现对设备的关联维修决策。同时,本文给出了基于倒排索引的数据排序优化方法,通过该方法,可以对关心的设备、故障信息等进行查询,得到一个全面的数据关联的结果集。本文最后构建了一个数据检索平台,�

关 键 词： 轨道设备 非结构化数据 维修决策

领　　域： []