【技术实现步骤摘要】
轨道车辆的故障识别方法及装置
本专利技术涉及轨道交通
，尤其涉及一种轨道车辆的故障识别方法及装置。
技术介绍
地铁在日常的运行维护过程中，产生了一系列的故障文本数据表格，通常被称为故障跟踪表。故障跟踪表由地铁的运营维护人员填写，并且对于每一起故障事件，主要记录包括了：故障事件对应现象的描述，现象的关键词，以及该故障的解决方案等。故障跟踪表如图1所示。故障跟踪表对于后续地铁列车的维护工作而言具有重要的指导意义。地铁运营运维人员在现场遇到故障之后，可以依据故障跟踪表，查找故障跟踪表中具有相似现象的故障，从而定位可能的故障模块与分析故障原因。现有技术中主要通过如下方式进行故障识别：第一种，基于有经验的运维人员穷尽查找的方式。该方式要求现场运维人员根据经验逐条对比故障跟踪表中具有相似现象的样本，然后进行对应故障现象定位可能的故障位置。目前故障跟踪表已经累计了数万起故障的数据，随着数据量的增大，人工匹配存在着效率低下的问题，并且有可能存在漏检的现象发生。第二种，基于关键词匹配的故障检索方式。该方式根据当前...
【技术保护点】
1.一种轨道车辆的故障识别方法，其特征在于，包括：/n将第一训练样本输入至预设故障分类器模型，以获取所述预设故障分类器模型的参数；/n根据所述预设故障分类器模型和所述参数，确定用于故障识别的故障分类器；/n将待识别故障现象描述语句和历史故障跟踪表数据输入至所述故障分类器，以对所述目标轨道车辆进行故障识别；/n其中，所述第一训练样本包括：故障现象描述语句的文本特征、所述故障现象描述语句的词向量和所述故障现象描述语句的低维向量序列；/n所述文本特征包括：TF-IDF特征和关键词特征。/n
【技术特征摘要】
1.一种轨道车辆的故障识别方法，其特征在于，包括：
将第一训练样本输入至预设故障分类器模型，以获取所述预设故障分类器模型的参数；
根据所述预设故障分类器模型和所述参数，确定用于故障识别的故障分类器；
将待识别故障现象描述语句和历史故障跟踪表数据输入至所述故障分类器，以对所述目标轨道车辆进行故障识别；
其中，所述第一训练样本包括：故障现象描述语句的文本特征、所述故障现象描述语句的词向量和所述故障现象描述语句的低维向量序列；
所述文本特征包括：TF-IDF特征和关键词特征。
2.根据权利要求1所述的轨道车辆的故障识别方法，其特征在于，所述第一训练样本通过如下方式获取：
对历史故障跟踪表数据进行预处理，获取与所述历史故障跟踪表数据对应的故障现象描述语句；
将所述故障现象描述语句对应的向量序列输入至预设双向长短时记忆Bi-LSTM模型，获取与所述向量序列对应的低维向量序列；
将所述低维向量序列、所述故障现象描述语句的词向量和所述故障现象描述语句的文本特征进行拼接，以获取第一训练样本；
其中，所述故障现象描述语句包括：正样本数据和负样本数据；
所述正样本数据为具有相似故障现象描述语句所组成的样本数据；
所述负样本为具有不相似故障现象描述语句所组成的样本数据。
3.根据权利要求2所述的轨道车辆的故障识别方法，其特征在于，所述故障现象描述语句对应的向量序列通过如下方式获取：
将所述故障现象描述语句输入至预设BERT模型，获取包括所述故障现象描述语句的向量序列；
其中，所述预设BERT模型是预先通过第二训练样本进行训练后所获取的；
所述第二训练样本包括：对经过预处理后的训练语料进行预设再处理后获取的与所述训练语料对应的第一文本对；
所述训练语料包括：目标轨道车辆的原始语料和目标轨道车辆的历史故障跟踪表数据。
4.根据权利要求2所述的轨道车辆的故障识别方法，其特征在于，所述故障现象描述语句的词向量通过如下方式获取：
将所述故障现象描述语句输入至预设word2vec模型，获取所述故障现象描述语句的词向量；
其中，所述预设word2vec模型是预先通过第三训练样本进行训练后所获取的；
所述第三训练样本包括：预先经过所述预处理后的训练语料所获取与所述训练语料对应的第二文本对。
5.根据权利要求3所述的轨道车辆的故障识别方法...
【专利技术属性】
技术研发人员：王殿文，肖骁，
申请(专利权)人：交控科技股份有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。