基于图论的站台门故障溯源方法研究
摘要
且误判率高的问题,提出一种基于图论的智能故障溯源方法。该方法将系统抽象为加权有向无环图模型,融合专家
知识库,构建了基于先验概率、路径累计传播权重与异常度联合计算的根因置信度排序算法。以站台门整侧不联动
典型故障为例验证,结果表明:该方法能精准锁定根因节点、完整还原故障传播链路。
关键词
全文:
PDF参考
[1]李劲弟,李波,刘静,等.基于HDMixer算法的
地铁列车传动系统故障诊断研究[J].城市轨道交通研究,
2025,28(12):79-84.
[2]Jin L, Chen J. Transfer Learning and Multi-Task
Framework for Fault Diagnosis in Rail Transit Systems Using
Deep Neural Networks[J]. Journal of Circuits, Systems and
Computers, 2026, (prepublish).
[3]王 若 凡 朱 松 青 杨 柳 等.基 于 改 进JSOASVM的地铁站台门故障诊断[J].噪声与振动控制2025
45(02):112-117+125.
[4]Dang Y, Sheng K, Ge F S. A Retrofit System and
Method for Platform Screen Doors in Urban Rail Transit[J].
World Journal of Engineering and Technology, 2025,
13(03):722-730.
[5]覃语,徐永能.基于SFPN的轨道交通车门故障诊
断方法研究[J].兵器装备工程学报,2022,43(09):90-
100.
[6]Yang X, Li H, Zhang J, et al. Integrating textual
data and knowledge graphs for intelligent fault diagnosis in
railway operational equipment[J]. Applied Intelligence, 2025,
56(1):11-28.
[7]任宇超,徐永能,乔侨.基于贝叶斯网络的地铁
车门系统故障诊断分析[J].兵器装备工程学报,2019,40
(12):184-188.
[8]Miao R, Wu T, Zhang Z. Graph RAG-based
fault diagnosis for train bogies using knowledge graphs and
large language model[J]. Knowledge-Based Systems, 2025,
331:114855.
Refbacks
- 当前没有refback。
