[发明专利]一种铁路车务故障处理方法

说明书

本发明公开了一种铁路车务故障处理方法，包括以下步骤：(1)提取故障特征数据；(2)利用智能算法对所提取的故障特征数据进行优化处理；(3)选择深度学习模型对优化处理的故障特征数据进行训练，直至模型的训练收敛；(4)将经过训练的故障特征数据发送至专家系统，经专家系统分析后将信息反馈给车间、段调度、铁路局及CTC。本发明能够自动传送反馈铁路故障，避免了现有铁路故障处理时电话交流效率低、沟通慢、汇报时间长等问题，并且反馈故障原由时不带感情色彩，避免由于沟通不当而造成故障延期，不能及时处理等问题，对铁路故障的处理更方便快速。

技术领域

本发明属于铁路系统技术领域，尤其涉及一种铁路车务故障处理方法。

背景技术

近年来，深度学习算法体系走进了人们的视野，其通过构件多隐层的模型和海量训练数据来提高处理图像、文本、语言等非结构化数据的性能，这对处理铁路车务故障具有重要意义。专家系统是一种人工智能系统，该系统仅通过设计一个数据库和一个知识库，并对数据库的数据以及知识库的知识进行调取和分析，分析后即可给出解决方案的推理结果，因而专家系统的研究如今已成为世界研究的热点之一。

目前，在日常的铁路车务流程中，不论联锁机或是道岔哪一方面出现故障，车站值班员都是以打电话的方式由工区向车间汇报，车间向段调度汇报，段调度向铁路局汇报。这种方式沟通效率和故障处理效率低，使用不方便，还有可能还会造成更多问题。因此，如何将深度学习算法体系中的大数据和专家系统与铁路车务流程相结合，是研究智能化车务流程的一个重要方向。

发明内容

本发明的目的在于提供一种铁路车务故障处理方法，旨在解决上述背景技术中现有铁路车务故障处理时故障诊断准确性差，故障处理效率低且不便捷的问题。

本发明是这样实现的，一种铁路车务故障处理方法，该方法包括以下步骤：

(1)提取故障特征数据

将车站值班员行车记录登记簿、现场工作人员日常维护处理经验以及从云平台上所获得的车间、段调度、铁路局与CTC的故障检测数据作为故障特征数据源，进行数据融合算法后，提取故障特征数据；

(2)利用智能算法对所提取的故障特征数据进行优化处理；

(3)选择深度学习模型对优化处理的故障特征数据进行训练，直至模型的训练收敛；

(4)将经过训练的故障特征数据发送至专家系统，经专家系统分析后将信息反馈给车间、段调度、铁路局及CTC。

优选地，所述专家系统包括知识库、动态数据库、推理机、解释系统及角色管理系统，所述知识库存放专家经验及理论知识，所述动态数据库存放监测到的经过处理的数据，所述推理机对根据知识库中的知识对动态数据库中的信息进行推理，推理过程及结果反向定位于动态数据库和知识库中，由动态数据库和知识库将信息输出至解释系统，解释系统再将相应信息反馈给角色管理系统，所述角色管理系统中的角色指车间、段调度、铁路局及CTC。

优选地，所述推理机中设置调度程序和解释程序，所述调度程序获取动态数据库中的信息后通过相应的策略从知识库中识别和获取相关的知识进行推理，推理结果通过所述解释程序从系统结构和推理过程方面进行解释。

优选地，所述智能算法为群体智能算法。

优选地，所述深度学习模型为神经网络。

相比于现有技术的缺点和不足，本发明具有以下有益效果：本发明在铁路故障发生时，可以直接自动传送反馈，避免了电话交流时的效率低、沟通慢、汇报时间长等问题。对于故障诊断，本发明可在判断故障原由后及时汇报，不带感情色彩，避免由于沟通不当而造成故障延期，不能及时处理等问题，对铁路故障的处理更方便快速。

附图说明

图1是本发明实施例提供的一种铁路车务故障处理方法的流程示意图；