摘要：目前,复杂设备系统故障信息多采用文字描述的形式进行记录和保存,累积产生的大量故障信息没有有效的应用到设备维修和实际应用中去。如何有效利用这些非结构性的故障信息,研究分析设备之间的关联失效关系,实现对复杂多变的设备故障信息进行诊断与预测,确保整个系统健康安全的运行状态,已经成为保障复杂设备系统安全、高效运营亟需解决的重点问题。鉴于此,本文提出了基于机器学习的故障识别方法与系统研制。论文以高速列车牵引系统的故障信息为背景,在对非结构型数据特征研究的基础上,提出了改进的设备故障信息特征词提取方法和设备故障信息关联失效规则提取算法,建立了设备关联失效规则和系统的关联失效模型。基于研究内容,研制开发了复杂设备系统故障数据管理与故障识别原型系统。主要研究工作具体包括：(1)设备故障信息特征词提取方法研究在分析了目前复杂系统设备故障信息的特性基础上,研究了文本信息分词和特征词提取方法,给出了设备故障信息特征词提取方法。以某高速列车故障信息为例,有效提取了高速列车故障信息中的特征词。(2)设备关联失效规则算法分析研究在提取了设备故障信息特征词的基础上,基于关联分析方法,提取设备关联失效规则,建立了设备关联失效模型。以高速列车牵引系统故障信息中的特征词为例,构建了高速列车牵引系统关联失效模型。(3)设备故障识别方法研究在构建的系统关联失效模型和故障识别方法基础上,提出了模糊故障Petri网的故障识别方法。以高速列车牵引系统的关联失效模型基础,验证了设备故障识别方法的有效性和准确性。(4)设备故障识别系统实现采用JAVA语言,利用MVC框架+Flex+Tweaver+Amchertsk技术对各个算法进行实现,得到设备故障识别原型系统,完成通过故障数据对设备故障状态以及故障结果的智能识别。