典型文献
基于贝叶斯网络的地铁设备故障诊断方法
文献摘要：
故障诊断时间在目前地铁设备故障修复总时长中占比较高,如何有效缩短故障诊断时间成为提高地铁设备故障维修效率的关键.鉴于此,为快速分析地铁设备系统中的薄弱环节,以故障诊断时间为判定标准,提出基于贝叶斯网络的地铁设备故障诊断算法,将贝叶斯网络计算的故障概率与该种故障排查时间相结合作为预期故障诊断时间指标,并以该指标值从低到高依序进行故障排查诊断.然后基于调研获取的全国17家地铁公司列车客室门故障数据,利用蒙特卡洛仿真和3D数字孪生对比人工排查和本算法在故障诊断方面的效率差异.算例结果显示,利用本算法定位故障点时所消耗的时间是人工排查时长的43％～48％,表明基于故障诊断时间的贝叶斯网络地铁设备故障诊断算法能快速分析出系统中的薄弱环节,提高地铁设备故障的维修效率.
文献关键词：
地铁设备;故障树;贝叶斯网络;故障诊断;机器算法
中图分类号：
作者姓名：
李松峰;宋震;侯珏;肇北;王江涛;刘书浩;宋晓敏
作者机构：
交通运输部科学研究院,北京100029;城市轨道交通运营安全管理技术及装备交通运输行业研发中心,北京100029;京东数智工业科技有限公司,北京100176;北京京港地铁有限公司,北京100068
文献出处：
引用格式：
[1]李松峰;宋震;侯珏;肇北;王江涛;刘书浩;宋晓敏-.基于贝叶斯网络的地铁设备故障诊断方法)[J].交通运输研究,2022(04):65-73
A类：
B类：
贝叶斯网络,地铁设备,设备故障诊断,故障诊断方法,诊断时间,故障修复,故障维修,维修效率,快速分析,判定标准,故障诊断算法,故障概率,该种,故障排查,时间指标,指标值,依序,排查诊断,家地,地铁公司,列车,客室,故障数据,蒙特卡洛仿真,数字孪生,比人,故障点,故障树,机器算法
AB值：
0.285066
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
