[发明专利]一种磁浮列车的故障文本分析处理方法

权利要求书

1.一种磁浮列车故障文本分析方法，其特征在于，包括：

步骤1、获取故障发生时数据记录文件和故障解决后的处理措施文件，构成磁浮列车的故障文本；

步骤2、对故障文本进行词汇特征提取，获取故障文本的特征词文本；

步骤3、利用TF-IDF表示法将特征词文本转化为SVM分类算法输入向量；

步骤4、利用QPSO算法迭代优化，获取满足终止条件的粒子；

步骤5、利用满足终止条件的粒子计算适应度值，其中最高的适应度值对应的SVM算法惩罚参数值和SVM算法径向基核函数参数为SVM算法的最优参数值；

步骤6、利用SVM算法的最优参数值构造SVM分类模型；

步骤7、将SVM分类算法输入向量代入SVM分类模型进行训练，并利用K重交叉验证方法将SVM分类算法输入向量分为训练集、验证集和测试集，利用训练集、验证集对SVM分类模型进行训练，测试集训练分类结果作为SVM分类模型的评价指标。

2.如权利要求1所述的一种磁浮列车故障文本分析方法，其特征在于，步骤1包括：

步骤1.1、利用磁浮列车事件记录仪获取列车总线的网络控制系统、悬浮控制系统、制动系统、空调控制系统、门控系统、电池管理系统、辅逆变系统、安全计算机系统、健康管理系统、乘客信息系统中的状态信息和故障信息，将状态信息和故障信息进行文本化存储，得到故障发生时数据记录文件；

步骤1.2、将故障发生时数据记录文件录入故障信息库得到故障解决后的处理措施文件。

3.如权利要求2所述的一种磁浮列车故障文本分析方法，其特征在于，步骤4包括，

步骤4.1、初始化QPSO算法的粒子群规模，粒子群规模设定为m，设定QPSO算法的种群位置边界范围和收缩因子范围，初始化QPSO算法的粒子当前最佳位置P₀以及全局最佳位置G₀；

步骤4.2、计算各个粒子的吸引子ρ_i,t的位置，具体计算各个粒子的吸引子ρ_i,t的位置的公式为：

ρ_i,t＝γ_i,t*P_i,t+(1-γ_i,t)*G_t

其中γ_i,t为随机数，γ_i,t∈[0,1]，P_i,t是粒子i在第t次迭代的最佳位置，G_t是粒子种群在t次迭代的最佳位置；

步骤4.3、更新粒子的收缩因子α_t，具体更新粒子的收缩因子α_t的公式为：

α_t＝α_min+(α_max-α_min)e^(1-T/t)

其中，α_t是第t次迭代的收缩因子，α_max为α_t的最大值，α_min为α_t的最小值，α_t∈(α_min,α_max)的范围内，T为迭代最大次数；

步骤4.4、计算第t次迭代的平均个体粒子的最好位置C_mean,t，具体计算第t次迭代的平均个体粒子的最好位置C_mean,t的公式为：

步骤4.5、更新下一时刻的粒子c_i，t+1位置，具体更新下一时刻的粒子c_i，t+1位置的公式为：

c_i，t+1＝P_i，t±α_t·|c_mean，t-c_i，t|·ln(1/u_i,t+1)

其中，u_i,t∈(0,1]由均匀分布产生。

步骤4.6、判断粒子是否达到最大迭代次数T，到达最大迭代次数即终止，若满足则执行下一步，若不满足则执行步骤4.3，直到粒子满足终止条件。

4.如权利要求3所述的一种磁浮列车故障文本分析方法，其特征在于，步骤5利用满足终止条件的粒子计算适应度值的公式为：

其中：n为满足终止条件的粒子的训练集样本总数，x_i为满足终止条件的粒子的第i个训练集样本的实际值，xi'为满足终止条件的粒子的第i个训练集样本的预测值，fitness为适应度值。