声明
致谢
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 故障诊断方法研究现状
1.2.2 列车控制系统故障诊断方法研究现状
1.3 研究内容及结构安排
1.4 论文创新点
1.5 本章小结
2 CBTC 系统数据分析及诊断方案
2.1 CBTC系统组成
2.2 数据特点及故障树结构建立
2.2.1 维保数据特点介绍
2.2.2 故障树结构建立
2.3 模型评价标准
2.4 故障诊断方案流程
2.5 本章小结
3 算法原理介绍及基于 BERT 的文本向量生成
3.1 故障特征提取和分类算法综述
3.2 基于 BERT 模型的文本向量表示
3.2.1 Transformer单元架构
3.2.2 BERT网络架构
3.2.3 聚类性能对比
3.3 Bi-GRU网络
3.3.1 GRU单元
3.3.2 Bi-GRU网络
3.4 粒子群算法
3.5 Focal Loss 损失函数
3.5.1 Focal Loss 定义
3.5.2 性能对比
3.6 本章小结
4 诊断模型建立及并行二级诊断策略
4.1 诊断流程
4.2 模型建立
4.2.1 隐层单元选择
4.2.2 神经网络参数优化
4.2.3 两级模型建立
4.3 纠错和融合策略
4.3.1 策略介绍
4.3.2 性能验证
4.4 本章小结
5 实验验证及系统搭建
5.1 实验数据介绍
5.2 实验结果分析及对比
5.3 故障诊断系统设计及实现
5.3.1 系统设计
5.3.2 系统实现
5.4 本章小结
6 结论与展望
6.1 论文总结
6.2 研究与展望
参考文献
图索引
表索引
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;