李俊武,李国宁

(兰州交通大学自动化与电气工程学院,兰州 730070)

列控车载设备的功能是速度防护控制，是列车运行操纵和控制的主体，是保证列车平稳安全运行的关键，故车载设备的正常运转对列车行车安全至关重要。车载设备发生故障，轻则影响行车效率，重则导致安全事故。因此，快速、准确地发现并排除故障，对保证列车行车安全有重要的意义。

车载设备结构复杂，故障种类繁多，导致了车载设备故障诊断难度加大。近年来，神经网络、故障树、专家系统等智能故障诊断技术不断发展[1-3]，很多学者将这些方法应用到车载设备的故障诊断中。文献[4]根据在故障诊断过程中积累的经验，形成专家知识数据库和故障推理机对故障进行诊断，提出了基于专家经验的车载设备故障诊断方法，但是这种专家经验主观偏见性较强，易出现错误诊断。文献[5]提出一种建立系统失效故障树模型的故障诊断方法，但是车载设备结构复杂，失效故障树模型规模庞大且不易实现。文献[6]通过检索案例库中的案例进行故障诊断，并设计了基于案例学习的车载设备故障诊断系统。上述的诊断方法都存在一定的不足和局限性，因此，本文提出了一种新的故障诊断方法。

贝叶斯网络(Bayesian Network，BN)作为表达不确定性知识的一种重要方法，己经成为人工智能研究的热点，并被应用于诸多故障诊断领域[7-9]。粗糙集理论(Rough Sets，RS)作为处理不确定性问题重要的数学理论，能对不完整数据分析和处理。……