改进的FP-tree算法在动车组故障诊断中的应用研究

交通运输系统工程与信息 ›› 2013, Vol. 13 ›› Issue (6): 105-111.

改进的FP-tree算法在动车组故障诊断中的应用研究

钟雁^*1，马海漫²，张春¹，赵怀昕^1

1. 北京交通大学城市交通复杂系统理论与技术教育部重点实验室，高速铁路网络管理教育部工程研究中心，北京 100044；2. 天津铁路职业技术学院，天津 300240

收稿日期:2013-05-22 修回日期:2013-08-08 出版日期:2013-12-24 发布日期:2014-01-14
作者简介:钟雁（1959-），男，广东梅县，教授.
基金资助:
国家高技术研究发展计划（863计划）项目（2012AA040912）.

Application Research on Improved FP-tree Algorithm in EMU’s Fault Diagnosis

ZHONG Yan， MA Hai-man， ZHANG Chun， ZHAO Huai-xin

1. Engineering Research Center of Network Management Technology for High Speed Railway MOE, MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology, Beijing Jiaotong University, Beijing 100044, China；2. Tianjin Railway Technical Vocational College, Tianin 300240, China

Received:2013-05-22 Revised:2013-08-08 Online:2013-12-24 Published:2014-01-14

摘要/Abstract

摘要：

从利用动车组海量运维数据获取故障诊断知识的角度出发，通过对数据挖掘中关联规则——FP-tree算法的研究，结合动车组故障诊断和提高动车组运营安全的要求，在生成树和搜索频繁项两个阶段对FP-tree算法进行改进，提出了一种改进算法——整枝FP-tree算法.改进算法在生成树阶段将故障信息置于顶层，在搜索频繁项阶段将所有的搜索都搜索到树的顶层.最后，将整枝FP-tree算法应用到动车组故障信息和状态信息的关联规则的抽取中，通过对改进算法的具体分析以及实际测试，表明该算法输出结果满足要求，并且对故障诊断知识获取的时间消耗和空间消耗有较大的降低.

关键词: 智能交通, 故障诊断, FP-tree算法, 动车组, 关联规则

Abstract:

From the point view of acquiring fault diagnosis knowledge using EMU’s mass operation and maintenance data, through the study of FP-tree algorithm which is an association rule algorithm of data mining, combining with the requirement of EMU’s fault diagnosis, the FP-tree algorithm is improved from the aspect of spanning tree and searching for frequent items, and an improved algorithm is put forward that called NP-FP-tree algorithm. In the stage of spanning tree, EMU’s fault information is put in the top, in searching for frequent items, all searches are carried out to the top. Finally, the NP-FP-tree algorithm is applied to mining of association rule of EMU’s fault information and state information. Through carefully analyzing and testing the performance of NP-FP-tree algorithm, it proves that the improved algorithm is better than the original one in the aspect of time consumption and space consumption.

Key words: intelligent transportation, fault diagnosis, FP-tree algorithm, EMU, association rule

中图分类号:

U279.3+35

钟雁，马海漫，张春，赵怀昕. 改进的FP-tree算法在动车组故障诊断中的应用研究[J]. 交通运输系统工程与信息, 2013, 13(6): 105-111.

ZHONG Yan， MA Hai-man， ZHANG Chun， ZHAO Huai-xin. Application Research on Improved FP-tree Algorithm in EMU’s Fault Diagnosis[J]. Journal of Transportation Systems Engineering and Information Technology, 2013, 13(6): 105-111.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18686.shtml

http://www.tseit.org.cn/CN/Y2013/V13/I6/105

参考文献

[1]张家栋，田宏萍.关于列车安全状态监测和诊断系统的研究[J].内燃机车，2000（11）：22-24，28.[ZHANG J D, TIAN H P. Research on safe state monitoring and diagnosis system of train[J].Diesel Locomotives,2000(11)：22-24,28.]

[2]Tim Smith, Alberto Diez Oliván, Nagore Barrena, et al. Remote maintenance support in the railway industry[C]. Joint Virtual Reality Conference，2011:40-46.

[3]刘晶，季海鹏.基于神经网络的关联规则在故障诊断中的应用[J].工业工程,2011（02）:118-121.[LIU J, JI H P. Neural network-based association rules for fault diagnosis[J].Industrial Engineering Journal,2011（02）:118-121.]

[4]齐金平，宋薇，李宏亮，等.基于遗传算法的二元决策树方法在机车当量公里数学模型中的应用研究[J].内燃机车,2010（02）:13-15，19.[QI J P, SONG W, LI H L, et al. Application of genetic algorithm-based binary decision tree method to mathematical model for equivalent locomotive running kilometers[J]. Diesel locomotives,2010（02）:13-15，19.]

[5]陈燕.数据仓库与数据挖掘[M]. 大连：大连海事大学出版社，2006:120-121.[CHEN Y. Data warehouse and data mining[M]. Dalian: Dalian Maritime University Press，2006:120-121.]

[6]王晶，赵志强.关联规则算法的实现与优化[J].实验技术与管理，2012，29（8）：111-112.[WANG J, ZHAO Z Q. Implementation and optimization of algorithm of data mining association rules of data mining[J]. Experimental Technology and Management，2012，29（8）：111-112.]

[7]张才春，陈建华，花伟.基于不同检修能力的动车组运用计划研究[J].中国铁道科学，2010,31(5)：130-133.[ZHANG C C, CHEN J H, HUA W. Research on the EMU operation plan based on different maintenance capacity[J]. China Railway Science，2010,31(5)：130-133.]

[8]吴明强,史慧,朱晓华,等.故障诊断专家系统研究的现状和展望[J].计算机测量与控制，2005，13(12)：1301-1304.[WU M Q, SHI H, ZHU X H, et al. Research and prospect of fault diagnosis expert system[J]. Computer Measure & Control，2005，13(12)：1301-1304.]

[9]J Han, J Pei, B Mortazavi-Asl, et al. Freespan: Frequent pattern-projected sequential pattern mining[C]//Proceeding of the Sixth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining，2000:355-359.

[10]H Mannila, H Toivonen,A Verkamo. Efficient algorithm for discovering association rules[C]. AAAI Workshop on Knowledge Discovery in Databases，1994:181-192.

[11]蔡晓霞.关联规则中FP-tree算法的应用[J].福建电脑，2012，28（1）：92-93.[CAI X X. Application of FP-tree algorithm in association rules[J]. Fujian Computer，2012，28（1）：92-93.]

[12]尹士闪，马增强，毛晚堆.基于频繁项目集链式存储方法的关联规则算法[J].计算机工程与设计,2012,33(03):1002-1007.[YIN S S, MA Z Q, MAO W D. Association rule algorithm based on chain storage method of frequent itemsets[J]. Computer Engineering and Design,2012,33(03):1002-1007.]

[13]宋余庆，朱玉全，孙志挥，等.基于FP-tree的最大频繁项目集挖掘及更新算法[J].软件学报，2003,14（9）：1586-1592.[SONG Y Q, ZHU Y Q, SUN Z H, et al. Algorithm for mining and updating maximal frequent itemsets based on FP-tree[J]. Journal of Software，2003,14（9）：1586-1592.]

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[6]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[7]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[8]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[9]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[10]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[11]	徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳. 基于图自编码-生成对抗网络的路网数据修复[J]. 交通运输系统工程与信息, 2021, 21(6): 33-41.
[12]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.
[13]	王福建, 俞佳浩, 赵锦焕, 梅振宇. 基于站点实时关联度的短时公交客流预测方法[J]. 交通运输系统工程与信息, 2021, 21(6): 131-144.
[14]	张毅, 姚丹亚, 李力, 裴华鑫, 晏松, 葛经纬. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息, 2021, 21(5): 40-51.
[15]	龙建成, 郭嘉琪. 动态交通分配问题研究回顾与展望[J]. 交通运输系统工程与信息, 2021, 21(5): 125-138.