论文总字数：20292字

摘 要

铁路轨道的高低不平顺值严重影响着承载列车的行驶安全，目前国内普遍采用轨检车进行检测，但却存在着费用昂贵且检测周期过长的的限制，本文研究基于证据推理(evidential reasoning, ER)规则的故障诊断技术，用Python语言实现了铁轨高低不平顺的检测。本算法对真实数据样本进行特征提取，设置样本输入对与标签的初始参考值，并对样本与参考值的相似性进行似然归一化，获得各信息源输入提供的诊断证据的置信度分布；之后确定诊断证据可靠性，利用ER规则融合诊断证据；最后确依据训练得到的最优参数集合推理得出轨道高低不平顺的幅值。

通过实验结果表明：本算法将将证据推理应用到轨道不平顺的预测上，性能较优且精度误差极小，若配合传感器、数据采集器等装置应用于普通列车上，能够实现轨道高低不平顺幅值的实时监测，降低检测费用、避免轨检车占用正常行驶车道的优点。

关键词：证据推理；铁轨不平顺；ER算法

Abstract

The unevenness of the railway track seriously affects the safety of carrying trains. At present, rail inspection cars are commonly used in China for testing, but there are limitations of expensive and long testing period. Regular fault diagnosis technology, using Python language to achieve the detection of uneven railroad tracks. This algorithm performs feature extraction on real data samples, sets the initial reference value of the sample input pair and the label, and normalizes the likelihood of the sample and reference value to obtain the confidence distribution of the diagnostic evidence provided by the input of each information source.After that, the reliability of the diagnostic evidence is determined, and the diagnostic evidence is fused using the ER rule; finally, the amplitude of the track irregularity is obtained by reasoning based on the optimal parameter set obtained by training.

The experimental results show that this algorithm will apply evidence reasoning to the prediction of track irregularities, with better performance and minimal accuracy error. If it is used with sensors, data collectors and other devices on ordinary trains, it can achieve track irregularities. The real-time monitoring of the amplitude value has the advantages of reducing the inspection cost and preventing the rail inspection vehicle from occupying the normal driving lane.

Key Words：Evidence reasoning; Railroad track irregularity; ER algorithm

目 录

第1章 绪论 1

1.1 研究目的及意义 1

1.2 故障诊断技术国内外研究现状 1

1.3 论题研究内容简述 2

1.4 本文主要内容 2

第2章 总体设计 3

2.1 研究检测对象特点 3

2.2 开发平台选择 3

2.2.1 Python 3

2.2.2 Anaconda 3

2.2.3 Matlab脚本及优化函数 3

2.3 功能设计 4

2.4 算法运行机制 4

2.5 算法流程 5

2.6 结果处理 6

第3章 系统具体实现 7

3.1 数据预处理 7

3.1.1 特征提取 7

3.1.2 样本数据存储和提取 7

3.1.3 训练集与测试集的划分 7

3.2 证据推理规则理论在铁轨不平顺估计问题中的应用原理 8

3.3 ER算法编码实现 9

3.3.1 初始参考值设置 9

3.3.2 证据置信度分布 9

3.3.3 可靠性因子 12

3.3.4 证据融合 12

3.3.4 训练参数集合 13

3.4 检测结果评价与可视化 15

3.5 其他问题 16

第4章 实验结果分析 17

4.1 算法输出结果分析 17

4.1.1 初始模型与优化模型输出结果的分析 17

4.1.2 结果的分析 19

4.2 关键参数对实验结果的影响 20

4.2.1 输入不同的ER初始分类标准测试 20

4.2.2 使用不同的优化条件参数测试 21

4.2.3 采用不同的迭代次数测试 21

第5章 结论与展望 23

5.1 结论 23

5.2 展望 23

参考文献 24

致 谢 26

第1章 绪论

1.1 研究目的及意义

轨道是承载列车运行的基础铁路设施，铁轨出现的任何损伤或故障都会对行车效率和安全带来重要的影响。铁轨的重复高强度的使用会极大降低轨道的使用寿命，对行车安全具有很大的影响^[1]。因此，使用高效的故障检测技术，能够使铁路维修部门及时获取到轨道的状态，并根据异常发生的程度对轨道进行针对性的维护检修，以提高铁路运输的安全性，降低轨道的不安全带来的严重影响。

现有的传感器获取的铁路轨道故障信息是有限的，并且测量时外界因素会带来诸多的不准确性和随机性，如传感器测量时环境导致的信息的不确定性，则此时需要一种有效的融合方法，可以减小非精确和不确定性信息对决策评估的最终影响。Dempster-Shafer证据理论对于处理相似的变化条件具有很好的鲁棒性^[2]，其利用基本信度赋值衡量信息的不确定性、非精确性，并提供组合规则来融合以信度幅值的形式表示的证据，因此，证据推理理论在铁路轨道检测方面的应用可以减少信息不确定性带来的影响，并提供比单一信息更为精确的融合结果，为准确的估计铁轨不平顺带来新的解决思路^[3]，并且可以为将来利用多种方法的结合检测故障提供基础的准备。

1.2 故障诊断技术国内外研究现状

故障诊断技术是减轻事故风险的重要方法。近年来，随着理论的研究和这一领域的深入，新的故障诊断方法快速更新^[4]，目前基本的方法可分为定性和定量分析两种。其中定性分析的方法主要是图论方法、专家系统方法；定量分析的方法包括数据驱动的方法、基于解析模型的方法^[5]。

基于图论的诊断方法包括符号有向图方法和故障树两种方法。在符号有向图中，系统正常运行时，有向图中的节点都处于正常的状态，不会出现报警情况；而发生故障时节点的状态就会偏离正常范围之后发出警告，根据有向图中节点的关联搜索其演变过程即可找出故障的原因^[6]。故障树的诊断方法是一种逻辑分析过程，在这方面的研究多是将故障树结合模糊推理用于动态系统的故障检测，解决因果关系不确定、信息不充备的条件情形。

通常专家知识中的模糊专家系统能够处理不确定性信息带来的不准确估计，证据推理则能够解决不确定性，并可以综合决策理论和模糊理论，对数据进行处理融合并判断，于是出现基于置信规则库的专家系统方法^[7]。这类方法能够借助多源的不同专家知识，得到预测结果，但同时也存在不足，如较难得到准确知识信息，且最终的诊断结果准确程度取决于知识库中专家经验的完整程度等。

在定量分析中，近年来的主要研究是基于数据驱动的诊断方法，包括神经网络、特征矩阵和灰色-马尔可夫模型等分析方法^[8]。神经网络用于工程系统或设备诊断是近几十年来迅速发展起来的新的领域，神经网络在微观结构上通过模仿人类大脑结构的形象思维来解决问题，具有不断学习、联想分析等特性^[9]。基于机器学习的故障诊断方法，可以利用多源途径获取的不同信息，通过训练提取特征等得到模型用于诊断，这种方法可以与其他技术结合使用得到对比结果。

复杂的故障诊断需要多源信息融合的理论，它是将不同类型、以不同方式获取的多种冗余和互补信息融合为一个整体，综合多种非确定的信息对它们进行融合，常用的有DS证据理论、贝叶斯理论以及人工智能中的模糊集理论和神经网络等^[10]。目前ER方法大都以Matlab实现，而其它很多基于机器学习的故障诊断方法使用Python语言，随着研究的发展，通常将神经网络用于局部的诊断证据，并结合从各信息源获取诊断证据使用证据组合规则进行融合，最后进行预测。本文试图采用Python语言实现ER方法，为将来研究混合故障检测算法提供基础。可以看出，基于证据推理的方法，能够实现多种方法的融合，从而得到更优的结果。

请支付后下载全文，论文总字数：20292字