随着我国铁路建设的发展,列车运行不断提速,列车密度日益增大,随之而来的是维修管理及防护工作的难度愈来愈大。由于西部铁路网不够完善,线路沿线环境条件比较恶劣,技术人员水平参差不齐,对铁路信号设备的维护产生了不利影响。针对传统的维修决策方法存在知识获取困难、自学习能力差的缺点,本文研究基于案例推理的铁路信号设备维修决策支持技术,设计并实现铁路信号设备维修决策支持系统。系统可以借助相似的故障案例,为维修工作人员提供设备维修决策信息,提高信号设备维修的智能化水平与效率,对于保障铁路高效运营具有重要意义。本文主要研究基于案例推理的铁路信号设备维修决策支持系统。在阐述本课题研究的目的和意义的基础上,分析基于案例推理的维修决策支持系统研究的现状及发展趋势,重点研究案例分类和案例检索方法,并设计实现基于案例推理的信号设备维修决策支持系统。主要研究内容及研究成果包括以下四个方面:(1)根据铁路信号设备现场维修特点及需要,设计基于案例推理的铁路信号设备维修决策模型,研究故障案例表示方法,并构建铁路信号设备故障案例库。(2)针对故障案例分类中故障描述文本特征稀疏、上下文依赖的问题,提出了基于卡方特征和双词话题模型(Biterm Topic Model,BTM)融合的案例分类方法。该方法结合故障描述文本的数理统计信息和语义信息,可有效降低故障描述文本的特征稀疏、上下文依赖性的影响,进而提高故障案例分类的精度和案例检索的效率。(3)故障案例分类完成后,在该类别下进行案例检索,找出与目标案例的故障描述文本相似的故障案例。从故障描述文本的统计信息、语义信息和主题信息三个方面考虑,提出了基于多特征融合相似度的案例检索方法来解决相似故障案例的匹配问题。分别利用基于向量空间模型(Vector Space Model,VSM)、HowNet和BTM的相似度算法计算故障描述文本的相似度,相似度进行融合获取故障案例之间的综合相似度。实验结果验证了该方法的有效性。(4)基于上述案例推理关键技术的研究,设计并实现支持Android智能终端的铁路信号设备维修决策支持系统。系统界面友好,功能易用,具有较高的实用价值。