[发明专利]基于粗糙集-神经网络模型的列控车载设备故障分类与识别方法

权利要求书

1.一种基于粗糙集-神经网络模型的列控车载设备故障分类与识别方法，其特征在于，包括：

根据由列控车载设备故障日志文件分析整理的故障案例库，挖掘出故障种类和故障代码之间的对应关系，对所述故障案例库中的故障代码和故障种类进行编码，生成最初决策表，确定故障分类规则；

运用RST对所述最初决策表进行属性约简，生成最终决策规则；

基于所述最终决策规则构建基于神经网络的故障诊断系统，利用所述基于神经网络的故障诊断系统实现对列控车载设备的故障识别。

2.根据权利要求1所述的方法，其特征在于，所述的根据由列控车载设备故障日志文件分析整理的故障案例库，挖掘出故障种类和故障代码之间的对应关系，包括：

根据工区记录统计的日交接班记录表获取列控车载设备的故障日志文本数据，从所述故障日志文本数据中提取出列控车载设备的故障数据，生成包含故障信息的故障数据汇总表，将该故障数据汇总表作为故障案例库；

根据所述故障案例库统计出故障数据中的每种故障种类所对应的故障代码个数及故障代码表述，所述故障种类包括列控车载设备的BTM应答器传输单元和TIU列车接口单元的相关故障，所述故障代码是故障日志文本数据中记录列控车载设备运行状态的自然描述语言。

3.根据权利要求2所述的方法，其特征在于，所述的对所述故障案例库中的故障代码和故障种类进行编码，生成最初决策表，包括：

(1)确定列控车载设备故障诊断的对象：{BTM，TIU}；

(2)对BTM和TIU对应的故障代码分别进行字母编码：Φ＝(A,B,C,…)，其中，A、B、C…分别代表一种故障代码，Φ表示条件属性，每种故障代码的Φ取值为0或1，其中，1代表样本故障中存在该种故障代码，0代表不存在该种故障代码；

(3)对BTM和TIU对应的故障种类分别进行数字编码：d＝(1,2,…,n)，其中d表示决策属性，n为BTM、TIU所出现的故障种类数量；

(4)生成故障代码和故障种类的字符编码形式，将字母编码后的故障代码作为故障诊断的条件属性，将数字编码后的故障种类作为决策属性，再结合故障代码与故障种类之间的对应关系生成最初决策表，确定故障分类规则。

4.根据权利要求3所述的方法，其特征在于，针对BTM，n的不同取值对应的故障种类如下述表1所示：

表1