一种铁路车站联锁系统智能运维方法及系统技术方案

本发明专利技术公开了一种铁路车站联锁系统智能运维方法及系统，方法为：构建铁路车站联锁系统故障运维知识图谱，通过分析联锁系统故障相关知识，总结知识图谱模式层，以自顶向下方式构建数据层；基于知识图谱的光缆传输系统运维方案决策，故障描述映射到故障知识图谱中，获得故障子图，进一步在知识图谱中搜索，将故障描述与知识图谱中已有知识进行匹配，并输出运维方案；基于现场故障数据，将故障现象描述与已有故障数据进行对比，利用贝叶斯公式获得最大概率故障，并输出；系统包括：故障数据预处理模块、知识图谱存储模块、结果输出展示模块。本发明专利技术能够有效提高铁路车站联锁系统的运维效率，减少误差，提高工作效率。提高工作效率。提高工作效率。

【技术实现步骤摘要】
一种铁路车站联锁系统智能运维方法及系统


[0001]本专利技术属于智能控制与决策领域，具体涉及一种铁路车站联锁系统智能运维方法及系统。

技术介绍

[0002]我国铁路事业飞速发展，保证列车的安全行驶是当前铁路运行中重点研究发展的方向。车站铁路联锁系统是保证铁路列车安全运行的关键系统之一，主要保障列车在车站内的安全防护，利用信号设备之间的相互制约关系实现设备互锁，保证列车的安全运行。联锁系统每天24小时都处于日夜不间断的工作状态，发生故障是不可避免的，联锁系统发生故障如果不能够及时准确地找到故障原因及故障点，会危及到行车安全，造成严重后果。由于联锁系统结构复杂，工作环境恶劣，是故障的高频发生区域，故障原因复杂，排障工作主要是依靠车站现场工作人员依据设备原理及对故障现象的分析来推断故障点，十分依赖工作人员的专业素养及工作经验，随着列车运行速度的增长和行车密度的增大，单纯依靠维修人员的维护维修是极不效率的。而且这种人工查找故障点的方法，由于人为因素存在很大的误差性，很有可能造成错判、漏判的危险，容易造成铁路运行事故。而且由于人工排障需要一定的时间，如果排障周期过长，可能会扰乱铁路的运营秩序。
[0003]在人工智能快速发展的现代社会，由于以上问题的存在，智能化的联锁系统运维系统得到了研究者们的广泛关注，并致力于降低运维门槛，提高运维人员工作效率，实现铁路联锁系统的智能化运维符合高速铁路未来发展的趋势。

技术实现思路

[0004]为实现铁路车站联锁系统故障的智能化诊断、分析和决策处理。本专利技术提供一种铁路车站联锁系统智能运维方法及系统。
[0005]本专利技术的一种铁路车站联锁系统智能运维方法，包括以下步骤：
[0006]步骤1：基于相关知识数据构建铁路车站联锁系统故障运维知识图谱。
[0007]通过分析相关联锁系统故障非结构化知识、半结构化知识以及结构化知识，总结概括联锁故障运维知识图谱模式层，自顶向下的方式构建联锁故障运维知识图谱数据层。
[0008]步骤2：基于铁路车站联锁系统故障知识图谱推荐运维方案。
[0009]首先将故障描述映射到故障知识图谱中，得到故障描述子图，然后，进一步在联锁故障知识图谱中进行搜索，将故障描述与知识图谱中已有的知识进行匹配，在知识图谱中搜索可行的运维方案。
[0010]步骤3：基于贝叶斯网络和知识图谱的铁路车站联锁系统故障诊断。
[0011]基于在铁路车站现场工作人员所看到的故障现象以及联锁系统的监测数据，将故障现象描述与所获得的所有故障数据进行对比，得到该故障现象在故障现象中出现的次数，并统计在故障数据中与之相对应的故障原因、故障位置的类别数和分别出现的次数，然后通过贝叶斯公式来计算该故障现象与每个故障原因、故障位置对应的概率，然后在故障
知识图谱中进行搜索，输出概率最大的故障原因、故障位置，并输出与之对应的处理方法。
[0012]进一步的，联锁故障运维知识图谱模式层是车站联锁系统相关的实体、实体间的关系以及属性的概括性描述，包括故障类型、故障现象、故障位置、故障原因、处理方法以及它们之间的相互关系构成。
[0013]进一步的，联锁故障运维知识图谱数据层的构建包括结构化知识数据处理、半结构化知识数据处理、非结构化知识数据处理。
[0014]进一步的，已有的结构化故障数据采用直接映射的方式进行处理，可直接利用Python语言。结构化知识数据处理采用直接映射的方式将CSV格式的故障数据按照实体类别导入到Neo4j图数据库中。
[0015]进一步的，半结构化知识数据处理，通过构建网络信息包装器对相应属性特征进行抽取，将抽取到的信息按照结构化知识数据格式进行存储，然后按照结构化知识数据处理方法进行处理。
[0016]进一步的，非结构化知识数据处理，先将非结构化知识数据中的关键信息抽取出来，转换为结构化数据，然后按照结构化知识数据处理方法进行处理，包括：命名实体识别、实体间关系抽取。
[0017]进一步的，命名实体识别具体为：采用双向长短期记忆网络配合条件随机场模型Bi
‑
LSTM
‑
CRF来获取铁路联锁系统故障知识实体，首先将每个字或词转化成固定长度的向量表示，模型输入的每个单元代表着字嵌入或词嵌入构成的向量；这些字或词向量使用前向和后向LSTM捕捉每个词左侧和右侧的上下文特征，并将两者合成输出；合成的结果再使用CRF模型为最后预测的标签添加一些约束来保证预测标签的合法性。
[0018]进一步的，实体间关系抽取具体为：采用循环神经网络模型RNN进行实体间关系抽取，将关系抽取看做一个二分类的问题，首先把无关实体过滤掉，将存在关系的实体提取出来，分为“头实体head entity”和“尾实体tail entity”，在根据两个实体间的实体类别以及距离判断两个实体间的关系。
[0019]本专利技术的一种铁路车站联锁系统智能运维系统包括：故障数据预处理模块、知识图谱存储模块、结果输出展示模块；
[0020]系统首先将对输入的故障文本信息进行分析处理，通过计算输入文本与知识图谱内实体间的TF
‑
IDF相似度，如果相似度大于设置阈值，搜索相应故障子图谱，然后输出展示搜索结果；若相似度小于阈值，证明知识图谱内不存在这条故障信息，运维人员可对知识图谱进行更新。
[0021]本专利技术的有益技术效果为：
[0022](1)本专利技术的铁路车站联锁系统故障的知识图谱构建，实现了铁路车站联锁系统故障处理信息的知识抽取、表示和管理，可以用于辅助技术运维人员进行故障处理，提升铁路车站联锁系统的故障应急处理能力和智能化水平。
[0023](2)本专利技术的基于知识图谱的铁路车站联锁系统运维方案决策，能够基于系统运维需求与铁路车站联锁系统故障的知识图谱，匹配准确的运维方案，从而为运维人员提供可行的故障处理方案支持，提升故障处理效率。
[0024](3)本专利技术的基于铁路车站联锁系统故障知识图谱的智能运维系统，整个系统主要包括：故障数据预处理模块、知识图谱存储模块、结果输出展示模块，系统便于工作人员
对现场故障数据的管理以及更新，有助于降低运维门槛，提高运维人员工作效率。
附图说明
[0025]图1为本专利技术铁路车站联锁系统智能运维方法的处理流程示意图；
[0026]图2为本专利技术铁路车站联锁系统智能运维系统框架结构示意图。
具体实施方式
[0027]下面结合附图和具体实施方法对本专利技术做进一步详细说明。
[0028]本专利技术的一种铁路车站联锁系统智能运维方法如图1所示，包括以下步骤：
[0029]1、铁路车站联锁系统故障处理知识图谱构建。
[0030]通过分析相关联锁系统故障文本类非结构化知识，现场维修日志及网页百科类等半结构化知识，以及已有的结构化知识，总结概括联锁故障运维知识图谱模式层，然后通过自顶向下的方式构建知识图谱的数据层。
[0031]其中，知识图谱的模式层是车本文档来自技高网...

【技术保护点】

【技术特征摘要】
entity”和“尾实体tail entity”，在根据两个实体间的实体类别以及距离判断两个实体间的关系。9.一种铁路车站联锁系统智能运维系统，其特征在于，包括：故障数据预处理模块、知识图谱存储模块、结果输出展示模块；系统首先将对输入的故障文本信息进行分...

【专利技术属性】
技术研发人员：李赛飞，万莎，张丽杰，闫连山，吴昊，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：