吴士林

摘要： 论文在阐述列车信息领域本体构建方法的基础上提出了一种数理逻辑相关性分析模型。作为人工智能应用的基础性研究，该方法通过对本体不同层次节点相互属性进行相关性描述，为节点关系的逻辑推导提供了数学模型。基于该模型构建的本体本身具有知识学习能力，能够适应不同的运营场景和不断变化的应用环境。本论文所提出的本体构建方法适用于各种领域本体，因此，我们希望论文采用的理论模型及方法能够推进大数据应用的相关研究，为故障诊断及维护、生产管理、运营及风险评估等问题的解决方案提供新的思路。

关键词：机器学习；预测性维护；知识逻辑；大数据分析

中图分类号：TP 311 文献标识码：A 文章编号：1009-3044（2018）11-0201-02

Analysis on Train Information Using an Ontology Based Modelling Approach

WU Shi-lin

（CRRC Qingdao Sifang Co.Ltd.， Qingdao 266111， China）

Abstract： By establishing the ontology in the field of train information， this paper proposes a correlation analysis model based on mathematical logic， which may provide better understand to the semantic web. As a basic research of artificial intelligence applications， this method describes the interrelationships between the attributes of nodes at different levels in the ontology， and provides a mathematical model for the logical reckoning. The ontology established based on this model has its own knowledge-based learning ability and can adapt to changing train environments and even different operating scenarios， which make the ontology establishment method proposed in this paper applicable to various domain ontology. The theoretical models and methods adopted in this thesis could promote the relevant research of big data application and provide new solution for fault diagnosis and maintenance， production management， operation and risk assessment.

Key word： Machine Learning； Predictive Maintenance； Knowledge Logic；Big Data

列车的智能化是基于状态感知对设备的运行状态进行监测、预警和管理的复杂系统工程，通过对实时数据和历史数据进行分析，大幅提高运维效率，降低人力和时间成本。为推进智能轨道交通的发展，欧洲铁路产业聯盟（UNIFE）联合40余家轨道交通装备制造和运营商自2005年启动新一代列车信息系统研究计划，并于2010年正式发布了InteGRrail体系[1]。InteGRrail解决方案尝试通过对轨道交通的智能诊断、信息传输、数据处理和评估标准等进行规范，为下一代高速列车运维体系提供更先进的解决方案。国内具有代表性的轨道交通智能化方案可以参考北京交通大学贾利民教授提出的RITS体系，该体系系统阐述了通过尽可能的高效利用铁路相关的资源，以较低成本达到保障可靠性、提高运输效率、改善经营管理和提高服务质量目的的新一代铁路运输系统[2]。……