C4.5算法在信号设备故障诊断中应用研究.docVIP

C4.5算法在信号设备故障诊断中应用研究 　　【摘要】根据我国铁路信号控制系统故障诊断的实际需要，结合铁路信号设备故障诊断专家系统的主要功能模块，重点对C4.5决策树学习算法进行研究，建立故障诊断模型，提出铁路信号系统设备复杂故障诊断的实用方法，并详细说明了诊断流程的实现过程。 　　【关键词】专家系统；故障诊断；决策树；C4.5算法 　　 　　 一、引言 　　 铁路信号控制系统本身结构复杂，加之受设备使用及环境等因素的影响，设备的故障原因具有明显的随机性和模糊性，造成维护和检修工作有一定的难度。为了保证信号设备工作的安全，铁路信号故障诊断专家系统的建立与开发，为故障分析和诊断提供了辅助决策，提高了预防和状态维修的水平。然而传统的专家系统存在知识获取困难、智能水平低等缺点。随着我国铁路的高速发展，现有故障诊断系统已不能有效缓解新设备、新技术的运用与薄弱的电务维修力量之间日益突出的矛盾。因此通过交互式获取和自学习式获取相结合的方法，解决知识获取的“瓶颈”问题，是专家系统故障诊断方法研究中的重点。 　　 二、铁路信号专家系统概述 　　 铁路信号专家系统的实质是一个知识处理系统，在发生故障后能给出处理建议。系统主要模块结构如图1所示： 　　 其中，数据预处理模块用于对微机监测采集的故障初始数据进行转换，将编码数据转换为可读的表数据，并添加到指定的数据库中。专家系统中，推理机根据症状表现，调用知识库和数据库，将故障数据与知识库中故障特征进行匹配，并通过与用户交互获得信息，以产生式规则为基础进行故障诊断。最终，输出检修方案，以确保设备故障能及时得到处理。 　　 知识库是专家系统的核心部分，它通过存取、检索、增加、删除和修改等功能，处理并存储来自知识获取模块的求解实际问题的知识，其完善与否决定了专家系统的性能和工作效率。所以，采用简单易懂、清晰准确的知识表达方式与独立的知识组织结构，是建立知识库的关键。 　　 三、C4.5决策树算法 　　 基于决策树分类规则的知识表示方法是建立知识库的有效方法。其中ID3算法是所有算法的基础，它根据属性集的取值选择实例的类别，以信息熵作为目标评价函数，采用自上而下的递归方式，有哪些信誉好的足球投注网站全部空间的一部分。它构造的决策树深度小，分类速度快，适合非增量式学习任务。因为ID3算法不能增量的接受训练实例，所以每增加一个实例都要抛弃原有的决策树，造成算法开销的增大和效率降低。 　　 C4.5算法是以ID3为核心的完整的决策树生成系统，它继承了ID3算法的全部优点，并对其作出了改进。在各级结点上，用信息增益率作为选择分裂属性的标准，能够较好的处理连续型属性或缺失数据，并引入了树剪枝技术，在精简决策树的同时，提高了分类的准确率。 　　 C4.5算法的步骤如下： 　　 (1)对数据源进行预处理，将连续型的变量离散化，形成决策树的训练集(如果没有连续取值的属性则忽略)； 　　 (2)计算每个属性的信息增益和信息增益率； 　　 (3)根结点属性每个可能的取值对应一个子集，对样本递归的执行以上第(2)步的过程，直到划分的每个子集中监测数据在分类属性上取值相同后，生成决策树； 　　 (4)根据生成的决策树提取分类规则，对新的数据集进行分类。 　　 四、故障诊断实例分析 　　 为实现对具有复杂性却不具规则性、逻辑性故障的智能诊断功能，采用C4.5学习算法建立知识库，故障诊断实现流程如图2所示： 　　 以下将对总定位继电器的励磁电路(如图3所示)进行故障分析。假设故障现象为当按下ZDA后，ZDJ不能正常吸起。 　　 1.训练实例集的设计 　　 目前，电气集中联锁电路的故障类型共有22种，每一故障又包含多种原因。为清晰记录每个原因，可以设计数据库表，具体设计表的列数需根据实际设备点的个数而定。然后根据监测到的设备状态信号数据，进行有效的字段选择生成训练实例集(如表1所示)，并将此实例集转化为预备文件后连接到软件模块系统中加以显示，为后续的故障诊断提供数据基础。 　　 2.构建决策树 　　 因为Visual C++6.0提供的Microsoft基础类库(MFC)应用程序框架，能很好的提供需要解决的数据库技术问题，所以选用它来进行软件开发，获取上一步中生成的预备文件。再运行可执行程序tree.exe，能够自动生成决策树以实现决策分类，其步骤为： 　　 首先，计算在结点处待分类的故障个数，而且要统计每一类的故障个数。 　　 其次，找到最一般的类别并记下此类别的故障数，然后创建该结点的信息。若该结点处所有的故障都属于同一类，或者是故障的个数小于规定的最小分类故障数，则返回该结点；否则对于每一个属性都要计算其信息及增益，从中找到具有最高信息增益率的属性。 　　 最后，根据该结点是分支还是叶结点完成该