上官偉，袁亞輝，王 劍，胡福威

(1.北京交通大學(xué) 電子信息工程學(xué)院，北京 100044；2.北京交通大學(xué) 軌道交通控制與安全國家重點(diǎn)實(shí)驗(yàn)室，北京 100044)

高速鐵路以其特有的快捷性與舒適性，得到大眾的普遍認(rèn)可。進(jìn)一步提高列控系統(tǒng)的可靠度對(duì)于保證高速鐵路長時(shí)間無故障運(yùn)行以及改善旅客的滿意度具有重要意義。車載設(shè)備的可靠度直接影響整個(gè)列控系統(tǒng)的可靠度，是列控系統(tǒng)的核心組成部分。車載設(shè)備的正常運(yùn)行，對(duì)于確保鐵路運(yùn)輸有序進(jìn)行具有重要意義。在列車運(yùn)行過程中，車載設(shè)備一旦發(fā)生故障，不僅會(huì)影響運(yùn)輸效率，嚴(yán)重時(shí)還會(huì)導(dǎo)致人員傷亡。車載設(shè)備的故障日志數(shù)據(jù)記錄了車載設(shè)備的運(yùn)行情況，專業(yè)技術(shù)人員據(jù)此可以得到車載設(shè)備所發(fā)生故障的具體類型，但此方法嚴(yán)重依賴現(xiàn)場的經(jīng)驗(yàn)知識(shí)。不同廠家的車載設(shè)備對(duì)于故障數(shù)據(jù)的記錄各不相同，再加上誘發(fā)車載設(shè)備故障的因素也多種多樣，這給技術(shù)人員準(zhǔn)確診斷出車載設(shè)備所發(fā)生的具體故障類型帶來了挑戰(zhàn)。因此，進(jìn)一步研究車載設(shè)備的故障診斷算法對(duì)于降低故障分析人員的技術(shù)門檻，實(shí)現(xiàn)車載設(shè)備故障的及時(shí)檢修與維護(hù)，提高高鐵運(yùn)行的安全性意義重大。

故障診斷是利用有效的手段檢測系統(tǒng)是否有故障發(fā)生，并進(jìn)一步確認(rèn)故障發(fā)生的位置和類型等。針對(duì)研究的對(duì)象和診斷方式的不同，故障診斷方法可以分為以下三類：基于經(jīng)驗(yàn)知識(shí)的方法、基于解析模型的方法和基于數(shù)據(jù)驅(qū)動(dòng)的方法[1-2]。針對(duì)列控系統(tǒng)的復(fù)雜性和實(shí)時(shí)性，文獻(xiàn)[3]采用貝葉斯網(wǎng)絡(luò)模擬列控系統(tǒng)的結(jié)構(gòu)，以此為基礎(chǔ)提出了列控系統(tǒng)的故障診斷和維修方法。文獻(xiàn)[4]針對(duì)車載設(shè)備故障數(shù)據(jù)中含有的冗余信息，引入粗糙集算法，在一定程度上剔除了故障數(shù)據(jù)的重復(fù)屬性，采用專家知識(shí)與解析模型結(jié)合的故障診斷方法對(duì)車載設(shè)備進(jìn)行故障診斷。文獻(xiàn)[5]將模糊理論引入故障診斷中，建立了基于模糊理論和貝葉斯推理的故障診斷模型。

傳統(tǒng)的故障診斷方法針對(duì)不同型號(hào)的車載設(shè)備適應(yīng)性差，為了提高故障診斷算法的適應(yīng)性，直接分析具體型號(hào)的車載設(shè)備記錄的故障數(shù)據(jù)，利用數(shù)據(jù)挖掘的方法識(shí)別車載設(shè)備的故障類型已成為一個(gè)新的研究方向。主題模型對(duì)于文本語義提取方面具有特有優(yōu)勢，文獻(xiàn)[6]提出了基于主題模型和支持向量機(jī)的故障診斷方法，相比傳統(tǒng)的缺乏先驗(yàn)知識(shí)的文本挖掘故障診斷方法有較大改善。文獻(xiàn)[7]將主題模型引入車載設(shè)備的故障診斷中，但是未考慮鐵路領(lǐng)域先驗(yàn)知識(shí)的影響，其實(shí)用性亟需改善。文獻(xiàn)[8]分析列控系統(tǒng)的結(jié)構(gòu)，研究系統(tǒng)不同部分之間的信息流向。在此基礎(chǔ)上進(jìn)一步分析系統(tǒng)日志文件構(gòu)建知識(shí)庫，結(jié)合現(xiàn)場實(shí)際情況實(shí)現(xiàn)了列控系統(tǒng)的故障診斷。

本文采用主題模型(Topic Models)實(shí)現(xiàn)對(duì)日志數(shù)據(jù)的語義特征提取。主題模型是一種無監(jiān)督機(jī)器學(xué)習(xí)模型，能夠有效挖掘文檔中的主題之間的相互聯(lián)系。文獻(xiàn)[9]利用LDA模型解決了文本聚類問題，并采用F-measure值評(píng)估聚類效果。文獻(xiàn)[10]利用WNTM模型對(duì)維基百科的數(shù)據(jù)信息進(jìn)行話題分析，從中抽取主題，進(jìn)而實(shí)現(xiàn)按照主題對(duì)文本的分類。文獻(xiàn)[11-13]在處理文本分類問題時(shí)，也引入主題模型并達(dá)到了預(yù)期效果。主題模型能夠有效提取文本的語義信息，挖掘文檔和詞項(xiàng)之間的潛在語義關(guān)聯(lián)信息[14]。

本文通過對(duì)300T車載日志的特點(diǎn)進(jìn)行分析，采用改進(jìn)的LDA模型構(gòu)建特征向量空間，實(shí)現(xiàn)日志文本數(shù)據(jù)的特征提取；由于樣本日志數(shù)據(jù)的不均衡分布，采用粒子群優(yōu)化算法對(duì)SVM的分類參數(shù)進(jìn)行優(yōu)化，用以改善分類器的診斷性能。以300T車載設(shè)備為分析對(duì)象，以300T車載日志為故障診斷樣本數(shù)據(jù)，最終實(shí)現(xiàn)對(duì)車載設(shè)備的故障診斷。車載設(shè)備的結(jié)構(gòu)組成如圖1所示。

圖1 車載設(shè)備結(jié)構(gòu)組成

1 車載日志數(shù)據(jù)分析

常見的車載設(shè)備類型有300T、300S、300H、200H、200C、C3D六種，其中300T的故障數(shù)據(jù)是以txt形式存儲(chǔ)，可讀性較強(qiáng)且易于分析。

為了較為清晰地對(duì)車載設(shè)備進(jìn)行分類診斷，參考高鐵技術(shù)人員培訓(xùn)教材，并結(jié)合專家的經(jīng)驗(yàn)知識(shí)，車載設(shè)備的故障類型被劃分為兩個(gè)等級(jí)。一級(jí)故障的故障類型主要是構(gòu)成車載設(shè)備的某一模塊發(fā)生故障的集合，較為籠統(tǒng)；二級(jí)故障在一級(jí)故障的基礎(chǔ)上更為具體地定位到單個(gè)的故障種類。車載設(shè)備常見故障等級(jí)劃分如圖2所示。

圖2 車載設(shè)備常見故障等級(jí)劃分

1.1 車載日志數(shù)據(jù)

300T車載日志數(shù)據(jù)能夠有效記錄系統(tǒng)運(yùn)行的狀態(tài)，系統(tǒng)的正常啟機(jī)過程以及故障狀態(tài)均會(huì)以特定的語句記錄在一塊非易失存儲(chǔ)區(qū)中。Tracing Log和AE Log均可從該儲(chǔ)存區(qū)中使用相應(yīng)的命令導(dǎo)出。Log文件的記錄采用堆棧的方式，最先發(fā)生的事件記錄在文件末端。因此，在閱讀日志文件時(shí)，需注意文檔的閱讀順序。

日志數(shù)據(jù)是以txt文檔的形式進(jìn)行存儲(chǔ)的，在對(duì)Log數(shù)據(jù)進(jìn)行分析時(shí)，需要從系統(tǒng)的啟機(jī)語句開始分析，即“Initialised and Started”之后向上查詢車載設(shè)備的運(yùn)行狀態(tài)變化，分析車載設(shè)備的故障類型及發(fā)生時(shí)間。但是在分析故障類型時(shí)需要一個(gè)長時(shí)間經(jīng)驗(yàn)的積累，因此，本文在后續(xù)的故障診斷中將結(jié)合專家經(jīng)驗(yàn)進(jìn)行分析診斷。為了較為清晰地說明日志數(shù)據(jù)的內(nèi)容，表1列舉了車載設(shè)備中部分故障類型的相關(guān)故障語句。

表1 故障語句實(shí)例

1.2 樣本數(shù)據(jù)分布的不均衡性

本文以300T車載設(shè)備的2015全年和2016年上半年數(shù)據(jù)作為樣本數(shù)據(jù)。通過統(tǒng)計(jì)樣本數(shù)據(jù)各種故障類型的數(shù)目發(fā)現(xiàn)，車載設(shè)備在不同的故障模式之間具有明顯的不均衡性。具體的故障類型所占比例見表2、表3。

表2 一級(jí)故障類型及樣本比例 %

表3 二級(jí)故障類型及樣本比例 %

表3(續(xù))

通過表2可以得出，無線通信故障和繼電器相關(guān)故障占據(jù)的比例較大，屬于大類別故障；相對(duì)的其他幾種故障類型比例較小，屬于小類別故障。其中，F(xiàn)Ⅰ-1和FⅠ-7的樣本比例接近10∶1；而FⅡ-1和FⅡ-14的樣本比例接近18∶1。在進(jìn)行診斷分類時(shí)，這種樣本分布的不均衡性易將小類別的樣本錯(cuò)誤地診斷為大類別的故障類型，雖然診斷結(jié)果對(duì)于整體的準(zhǔn)確率影響較小，但是對(duì)于分類器的分類性能是不可忽視的缺陷。

2 基于Labeled-LDA的車載日志特征提取

2.1 Labeled-LDA模型

Labeled-LDA以LDA模型為基礎(chǔ)，在介紹Labeled-LDA(LLDA)模型之前，需要先了解LDA模型。

LDA是一種典型的語義分析模型。它認(rèn)為一篇文檔往往包含不止一個(gè)主題，文檔中的每一個(gè)詞均由特定的主題生成。文檔到主題，主題到詞項(xiàng)均服從多項(xiàng)式分布。LDA模型的概率圖模型如圖3所示。

圖3 LDA概率圖模型

LDA模型中生成一篇文檔的方法如下：對(duì)Dirichlet分布α進(jìn)行取樣，即可得到文檔i的主題分布θi；對(duì)主題分布θi取樣，得到第i個(gè)文檔中第j個(gè)詞項(xiàng)的主題zi，j；對(duì)Dirichlet分布β取樣，生成第i個(gè)文檔第j個(gè)主題的詞語分布φzi，j；對(duì)φzi，j采樣生成詞項(xiàng)wi，j[15]。

LDA概率圖模型中，已知參數(shù)為先驗(yàn)分布α和β，待求參數(shù)為文檔主題和主題詞項(xiàng)的分布即z和w，可以使用吉布斯采樣估計(jì)LDA參數(shù)。具體過程如下[15]：

p(zi=k|z，w)=

(1)

當(dāng)Gibbs采樣過程收斂時(shí)，可輸出文檔-主題矩陣θ和主題-詞項(xiàng)參數(shù)矩陣φ。

(2)

(3)

式中：θm，k為文檔m中主題k的概率；φk，t為文檔m中被分配到主題k的詞項(xiàng)個(gè)數(shù)。

Labeled-LDA模型是一種改進(jìn)的LDA模型，與LDA模型的區(qū)別在于，Labeled-LDA通過添加文本標(biāo)簽信息實(shí)現(xiàn)了標(biāo)簽與主題之間的映射關(guān)系。從圖4能夠明顯看出LDA與LLDA之間的區(qū)別。

圖4 LLDA概率圖模型

LLDA的采樣公式為

(4)

(5)

在已知LLDA模型的參數(shù)時(shí)，處理新的文本可采用吉布斯采樣得到收斂后的文檔主題分布為

(6)

2.2 改進(jìn)的LLDA模型的特征提取方法

盡管利用主題模型分析文本自動(dòng)化程度較高，但其作為一種無監(jiān)督的機(jī)器學(xué)習(xí)算法，在提取信息的過程中仍然具有一定的盲目性，因此提出了改進(jìn)的LLDA模型用于提取文本的故障特征。

為了使主題模型更好地應(yīng)用到300T的故障數(shù)據(jù)分析中，先驗(yàn)知識(shí)被應(yīng)用到特征提取過程。根據(jù)已知的車載設(shè)備常見的故障個(gè)數(shù)，預(yù)先設(shè)置文檔的主題個(gè)數(shù)。將故障主題與現(xiàn)場技術(shù)人員的經(jīng)驗(yàn)結(jié)合起來，構(gòu)建故障特征詞庫，進(jìn)一步簡化提取文檔主題的過程。不同的特征詞項(xiàng)與主題關(guān)聯(lián)的程度各不相同，使用卡方統(tǒng)計(jì)度量不同特征詞項(xiàng)與主題關(guān)聯(lián)的強(qiáng)弱，公式如下

(7)

詞項(xiàng)主題關(guān)聯(lián)矩陣歸一化后能夠更加清晰地顯示出每一個(gè)詞項(xiàng)與主題之間的關(guān)聯(lián)程度，初始化公式為

(8)

式(4)和式(5)可更新為

p(zi=j|z)=

(9)

(10)

基于改進(jìn)的LLDA模型提取故障文本特征的流程如圖5所示。

圖5 LDA模型特征提取流程

3 基于SVM算法的故障診斷

3.1 SVM算法描述

支持向量機(jī)是在分類與回歸分析中應(yīng)用較為廣泛的一種分類器方法。SVM模型將實(shí)例映射為空間中的點(diǎn)，能夠有效地以明顯的間隔將不同類別的實(shí)例區(qū)分出來。SVM不僅能夠有效處理線性分類問題，也可以引入核函數(shù)方便地進(jìn)行非線性分類。以二分類為例，分類平面如圖6所示。

圖6 SVM線性分類示意

其中，分類決策函數(shù)為

f(x)=ωTx+b

(11)

為了優(yōu)化分類效果，可依據(jù)最大化分類間隔得到最優(yōu)分類平面。

s.t.yi(ωTxi+b)≥1i=1，…，n

(12)

為了求解式(12)，引入拉格朗日對(duì)偶性

(13)

由于在實(shí)際情況中，存在一些偏離決策平面的數(shù)據(jù)點(diǎn)，引入松弛變量ξi。因此式(13)可變換為

(14)

式中：C為懲罰因子，用于約束松弛變量。

對(duì)式(14)求偏導(dǎo)，整理后得到

(15)

s.t. 0≤ai≤Ci=1，…，n

(16)

為了獲取向量a的值，引入序列最小最優(yōu)化算法[16]SMO(Sequential Minimal Optimization)，已知a可求得ω的值。根據(jù)式(17)求出b。

(17)

將數(shù)據(jù)點(diǎn)映射到高緯度空間，能夠解決非線性不可分的情況，從而實(shí)現(xiàn)數(shù)據(jù)分類。但是，非線性映射會(huì)使得計(jì)算量大幅度增加。而在支持向量機(jī)中引入核函數(shù)的概念，則能夠有效減少計(jì)算量。本文采用高斯核函數(shù)將其輸入隱式映射到高緯度空間中，有效地進(jìn)行非線性分類。

上述算法描述是針對(duì)二分類的情況，在現(xiàn)實(shí)生活中，大部分情況下數(shù)據(jù)點(diǎn)的類別多于兩個(gè)。目前，SVM算法實(shí)現(xiàn)多分類方法的方式主要有兩種：一對(duì)多方式和一對(duì)一方式。

3.2 SVM算法評(píng)價(jià)指標(biāo)

在分類器的設(shè)計(jì)過程中，一個(gè)好的評(píng)價(jià)分類器性能的指標(biāo)，既利于對(duì)模型的優(yōu)化又可以直觀說明分類器分類效果的優(yōu)劣?；煜仃嚹軌蛞钥梢暬男问秸宫F(xiàn)分類的好壞程度。矩陣中的每一行代表了預(yù)測類別，每一列代表數(shù)據(jù)的真實(shí)歸屬類別。

準(zhǔn)確率這一指標(biāo)常被用來評(píng)價(jià)分類器的性能。準(zhǔn)確率代表正確預(yù)測的樣本數(shù)占預(yù)測總樣本數(shù)的百分比。但是，當(dāng)樣本數(shù)據(jù)不同類別的比例存在較大差異時(shí)，準(zhǔn)確率并不能全面反映分類器分類效果的好壞。這是因?yàn)樾”壤悇e的樣本易被誤歸類為大類別樣本，但由于小比例樣本數(shù)據(jù)較少，即使小類別樣本的分類效果較差，分類器整體的準(zhǔn)確率依然會(huì)很高。為了彌補(bǔ)準(zhǔn)確率這一指標(biāo)的缺陷，特引入F-measure作為評(píng)估指標(biāo)，從而更加全面地評(píng)價(jià)分類器的優(yōu)劣。

已知精確率Precison和召回率Recall可以計(jì)算出F-measure。精確率是指正確識(shí)別的個(gè)體總數(shù)占據(jù)識(shí)別出的個(gè)體總數(shù)的百分比。精確率能夠直觀表示預(yù)測類別中準(zhǔn)確預(yù)測樣本所占的比例。

P=Precision=TP/(TP+FP)

(18)

式中：TP為實(shí)際正類被預(yù)測為正類的個(gè)數(shù)；FP為實(shí)際負(fù)類被預(yù)測為正類的個(gè)數(shù)。

召回率是指正確識(shí)別的個(gè)體總數(shù)占據(jù)測試集中存在個(gè)體總數(shù)的百分比。

R=Recall=TP/(TP+FN)

(19)

式中：FN為正類被預(yù)測為負(fù)類的個(gè)數(shù)。

單獨(dú)考慮每一故障類別的分類效果時(shí)，Precision和Recall有時(shí)會(huì)出現(xiàn)矛盾的情況；F-measure是Precision和Recall的加權(quán)調(diào)和平均，能夠有效解決這一矛盾。F-measure的表達(dá)式為

(20)

式中：當(dāng)參數(shù)μ=1時(shí)，就是常見的F1-measure，即

(21)

3.3 基于LDA故障特征提取的仿真分析

利用改進(jìn)的LLDA模型提取日志文本特征后，采用SVM算法作為分類器，以詞頻方法WF(Word Frequency)和卡方統(tǒng)計(jì)CHI作為改進(jìn)LLDA模型的比對(duì)算法進(jìn)行仿真。

對(duì)比圖7～圖9可以發(fā)現(xiàn)，小類別樣本數(shù)據(jù)的診斷結(jié)果出錯(cuò)的較多，并且在分類器一致的情況下，改進(jìn)的LLDA模型的診斷準(zhǔn)確率最高；同時(shí)，由于樣本分布的不均衡性，可以發(fā)現(xiàn)，在診斷分類過程中小類別樣本易被誤診斷為大類別樣本。在三種算法的混淆矩陣中，可以發(fā)現(xiàn)被錯(cuò)誤分類的樣本傾向于診斷為F1和F6兩種類別。

(a)測試集的實(shí)際分類和預(yù)測分類

(b)混淆矩陣

(a)測試集的實(shí)際分類和預(yù)測分類

(b)混淆矩陣

(a)測試集的實(shí)際分類和預(yù)測分類

(b)混淆矩陣

為了更加準(zhǔn)確且全面地評(píng)價(jià)三種特征空間的診斷結(jié)果，采用Precision和F-measure作為評(píng)估指標(biāo)，圖10直觀地表示出了三種特征空間之間的差異。

(a)Precision對(duì)比

(b)F-measure對(duì)比

通過兩種評(píng)估指標(biāo)的對(duì)比，可以發(fā)現(xiàn)，相比于WF和CHI兩種特征空間，改進(jìn)的LLDA模型的診斷效果最優(yōu)，并且對(duì)于小類別樣本的診斷精度也具有一定的改善效果。

4 SVM算法優(yōu)化

通過表2和表3可以發(fā)現(xiàn)，樣本數(shù)據(jù)的分布具有明顯的不均衡性。為了使樣本數(shù)據(jù)的這一特點(diǎn)盡可能小地影響分類器的精度，一般可以從數(shù)據(jù)處理層面和算法改進(jìn)層面解決這一問題。數(shù)據(jù)層面一般采用過采樣、欠采樣的方式進(jìn)行處理；算法層面則采用引入代價(jià)敏感矩陣，構(gòu)建集成分類器等方式進(jìn)行處理。文獻(xiàn)[17]對(duì)不平衡文本數(shù)據(jù)采用SMOTE過采樣技術(shù)實(shí)現(xiàn)故障少數(shù)類別樣本的自動(dòng)生成，提高了分類效果。文獻(xiàn)[18]提出的數(shù)據(jù)流滑動(dòng)窗口方式下的自適應(yīng)集成分類算法，有效解決了傳統(tǒng)算法中數(shù)據(jù)塊大小影響分類效果的問題。

本文以SVM為基分類器，采用粒子群算法優(yōu)化分類參數(shù)的方式完成對(duì)不均衡數(shù)據(jù)的診斷分類。

4.1 基于粒子群優(yōu)化的參數(shù)選取

粒子群優(yōu)化算法是Eberhart和Kennedy受鳥群捕食行為的啟發(fā)，對(duì)這一行為深入研究后結(jié)合群體智能提出的一種優(yōu)化算法。該算法利用群體中個(gè)體之間的信息交互與合作，使得群體能夠以更快收斂速度移動(dòng)到最優(yōu)區(qū)域。

PSO將每個(gè)個(gè)體視為一個(gè)“粒子”，該粒子無體積且認(rèn)為所有的粒子均在同一個(gè)D維搜索空間中進(jìn)行搜索。在每一次的迭代過程中，粒子通過追蹤兩個(gè)最優(yōu)解來更新自身。其中一個(gè)是粒子本身尋得的最優(yōu)解pbest，另一個(gè)就是這個(gè)群體中目前搜索到的最優(yōu)gbest。這些粒子以一定的速度飛行，此速度決定了粒子飛行的距離和方向。粒子速度的值不但取決于自身的飛行經(jīng)驗(yàn)，還受同伴飛行經(jīng)驗(yàn)的影響，粒子在飛行過程中的速度根據(jù)實(shí)際情況實(shí)時(shí)更新。粒子i的速度用Vi=[vi1vi2…vin]表示。1998年，Shi和Eberhart[19]在論文中首次引入慣性權(quán)重的概念用于改善算法的收斂性能。最初的粒子群優(yōu)化算法的迭代公式如下。

速度向量中第i個(gè)分量的迭代公式為

vk+1，i=qvk，i+c1r1(pbestk，i-xk，i)+

c2r2(gbestk-xk，i)

(22)

位置向量中第i個(gè)分量的迭代公式為

xk+1,i=xk,i+vk,i

(23)

式中：q為慣性權(quán)重；c1和c2是加速常數(shù)；r1和r2在[0，1]區(qū)間內(nèi)隨機(jī)取值。

4.2 SVM分類參數(shù)優(yōu)化實(shí)現(xiàn)

SVM的參數(shù)優(yōu)化具體實(shí)現(xiàn)流程如圖11所示。

圖11 SVM優(yōu)化算法流程

4.3 基于PSOSVM算法的故障診斷仿真

本文利用動(dòng)車段2015年全年和2016年上半年總計(jì)552條故障數(shù)據(jù)進(jìn)行故障診斷仿真。故障數(shù)據(jù)被劃分為訓(xùn)練集和測試集，其中訓(xùn)練集占70%，測試集占30%。日志數(shù)據(jù)的診斷分類是通過逐級(jí)診斷的方式完成的。日志文本進(jìn)行一級(jí)故障診斷后，將診斷結(jié)果以向量的形式與日志表征向量進(jìn)行串聯(lián)融合，得到表示日志數(shù)據(jù)的融合特征空間向量，其中日志表征向量是數(shù)字化表示的文本向量，表征不同主題的詞項(xiàng)在該文本中的分布情況，若該詞項(xiàng)出現(xiàn)，則向量對(duì)應(yīng)位置置1，否則為0，其維數(shù)等于不同主題所包含的相關(guān)詞項(xiàng)數(shù)量。采用粒子群優(yōu)化后的SVM分類器對(duì)融合的特征空間向量進(jìn)行診斷分類，在進(jìn)行多分類仿真時(shí)，采用臺(tái)灣大學(xué)林智仁等開發(fā)的LIBSVM工具箱[20]，采用一對(duì)一的分類策略。將分類器的分類結(jié)果與測試集中已知的故障類別進(jìn)行對(duì)比，得到診斷樣本的診斷精度。

4.3.1 一級(jí)故障診斷仿真分析

為了說明PSO-SVM算法的有效性，以SVM和KNN算法作為對(duì)比算法，仿真結(jié)果如圖12～圖14所示。

對(duì)比圖12～圖14可以看出，在診斷結(jié)果中，采用相同的特征表示向量時(shí)，PSO-SVM算法的效果優(yōu)于其他兩種算法。分別采用PSO-SVM、SVM和KNN三種算法進(jìn)行故障分類的結(jié)果見表4。

(a)測試集的實(shí)際分類和預(yù)測分類

(b)混淆矩陣

(a)測試集的實(shí)際分類和預(yù)測分類

(b)混淆矩陣

(a)測試集的實(shí)際分類和預(yù)測分類

(b)混淆矩陣

表4 一級(jí)故障診斷準(zhǔn)確率 %

為了進(jìn)一步說明，對(duì)于不均衡數(shù)據(jù)的改善效果，對(duì)比三種算法的混淆矩陣可以明顯看出，分類器在提高整體準(zhǔn)確率的同時(shí)可以較好地提高小類別樣本的診斷精度。同樣采用Precision和F-measure兩個(gè)指標(biāo)對(duì)三種算法的診斷效果進(jìn)行評(píng)估。

(a)Precision對(duì)比

(b)F-measure對(duì)比

通過圖15可以發(fā)現(xiàn)PSO-SVM算法的兩種指標(biāo)在每一種一級(jí)故障診斷結(jié)果中都具有最優(yōu)效果。通過上述仿真結(jié)果可以得出：PSO-SVM對(duì)樣本分布不均衡數(shù)據(jù)的診斷分類具有較好的提升效果。

4.3.2 二級(jí)故障診斷仿真分析

為了完成車載數(shù)據(jù)的二級(jí)故障診斷，同時(shí)提高故障診斷的準(zhǔn)確率，本文將一級(jí)故障診斷結(jié)果轉(zhuǎn)化為一種特征向量，采用數(shù)據(jù)融合技術(shù)與主題模型從文本中提取的主題特征向量進(jìn)行融合。一級(jí)故障診斷結(jié)果的特征向量代表具體的故障類型編號(hào)，一級(jí)故障共有7種，為了降低向量的維數(shù)，采用二進(jìn)制的表現(xiàn)形式給故障類型編碼，如故障類型編號(hào)為7的特征向量表示為[1 1 1]。在進(jìn)行二級(jí)故障診斷時(shí)將此向量添加到對(duì)應(yīng)文本直接提取的特征向量的末尾，即采用串行融合方法對(duì)特征向量進(jìn)行融合。

為了說明特征向量融合的有效性，分別采用PSO-SVM、SVM和KNN三種算法比較基于LLDA和FLLDA提取的特征向量進(jìn)行故障分類的準(zhǔn)確率。結(jié)果見表5。

表5 基于LLDA與FLLDA的二級(jí)故障診斷準(zhǔn)確率 %

從表5中可以看出不同診斷算法均是采用融合后的特征向量進(jìn)行故障診斷的準(zhǔn)確率較高，說明特征融合可以有效提高故障診斷精度。針對(duì)同一種特征向量，PSO-SVM算法在三種算法中的診斷準(zhǔn)確率依然是最好的。采用PSO-SVM對(duì)融合后的特征向量進(jìn)行二級(jí)診斷的準(zhǔn)確率低于一級(jí)故障診斷的準(zhǔn)確率，一方面是由于二級(jí)故障診斷劃分類別更加詳細(xì)，數(shù)據(jù)的不均衡性對(duì)診斷精度的影響增大，另一方面是受到一級(jí)故障診斷錯(cuò)誤分類的影響。

5 結(jié)束語

本文根據(jù)300T車載設(shè)備故障文本數(shù)據(jù)特點(diǎn)，構(gòu)建故障特征詞庫，采用改進(jìn)的LLDA模型提取日志數(shù)據(jù)的語義特征，并與傳統(tǒng)的詞頻方法，卡方統(tǒng)計(jì)進(jìn)行了對(duì)比分析。實(shí)驗(yàn)結(jié)果表明SVM基于LLDA提取出的特征向量進(jìn)行故障分類的準(zhǔn)確率明顯優(yōu)于采用WF和CHI提取特征進(jìn)行故障分類的準(zhǔn)確率，驗(yàn)證了LLDA模型提取日志數(shù)據(jù)語義特征的有效性。

故障樣本中不同故障類型所占比例差異較大，傳統(tǒng)分類器容易把小比例故障類型錯(cuò)誤地歸類為大比例故障類型，具有一定的局限性，無法滿足實(shí)際要求。為了解決這一問題，本文將粒子群優(yōu)化算法引入支持向量機(jī)內(nèi)，優(yōu)化了支持向量機(jī)的部分參數(shù)，通過與傳統(tǒng)的支持向量機(jī)算法SVM，K最近鄰算法KNN進(jìn)行對(duì)比分析，驗(yàn)證了所提模型的有效性。