高铁列控车载设备是高铁列控系统中的重要组成部分,其结构复杂,内部模块之间联系紧密。在列车实际运行过程中,车载设备一旦发生故障,其故障现象及故障原因呈现复杂化和多样化,并且直接影响到列车的安全效率运行。因此,研究智能化的手段挖掘出故障现象及故障原因之间的内在关系,将有助于提高故障诊断的效率和准确率,缩短维修工作时间,及时恢复列车正常。车载设备故障维修日志是电务工作人员在日常维修工作中记录的关于车载设备故障发生时的情况、现象、处理经过及原因等故障相关的详细文本。这些文本信息中蕴含着丰富的故障知识,但由于记录方式及存储格式的限制,难以挖掘出有效的信息。针对故障维修日志的特点和车载设备故障诊断智能化的需求,本文利用文本挖掘技术处理故障维修日志,构建故障知识图谱,挖掘出车载设备的故障内部联系,提高故障诊断效率。具体的研究内容如下:(1)针对故障维修日志的特点,结合词语的词组长度特征及词语的加权信息熵特征对Text Rank算法进行改进,提取故障文本数据中的关键词。实验证明改进后的算法较Text Rank算法及其他关键词提取算法有更高的准确率、召回率和F均值。(2)以关键词提取为基础,提出了一种抽取故障文本中故障短语的方法。首先以提取出的关键词来抽取出关键词词组;然后利用余弦相似度对关键词词组进行聚类,确定目标故障短语;最后利用语义相似度抽取出故障文本数据中的故障现象及故障原因短语。(3)采用自顶向下的方式构建故障知识图谱。首先由故障维修日志的结构确定故障本体库,建立数据模式图;然后以抽取出的故障短语为基础,进行知识抽取、知识融合、实体链接等步骤,构建故障知识图谱;最后利用故障知识图谱展示故障的内部联系。(4)利用构建好的故障知识图谱中存储的历史故障数据,设计车载设备的故障诊断方法。故障诊断结果包括:顶层故障原因、故障设备部位和故障根因。并对故障诊断结果图谱可视化。最后,实验证明基于故障知识图谱的故障诊断方法能为实际诊断提供帮助。