動車組復(fù)雜裝備大數(shù)據(jù)分析關(guān)鍵技術(shù)研究與實現(xiàn).pdf

1、近年來隨著我國高速鐵路動車組的大規(guī)模投入使用，借助于先進(jìn)的傳感器技術(shù)、數(shù)據(jù)采集技術(shù)和計算機存儲技術(shù)，動車組積累了海量的數(shù)據(jù)。利用這些海量數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，從而指導(dǎo)維修與維護工作，進(jìn)而保證動車組的安全運行具有十分重要的意義。然而傳統(tǒng)的數(shù)據(jù)分析技術(shù)在海量數(shù)據(jù)面前，暴露出處理時間長，甚至是內(nèi)存不足導(dǎo)致無法訓(xùn)練等缺點。Hadoop的出現(xiàn)為解決上述問題提供了思路。Hadoop因其強大的計算能力和海量的存儲能力等特點，已經(jīng)成為大數(shù)據(jù)分析領(lǐng)域重要的研

2、究方向。本文將傳統(tǒng)的數(shù)據(jù)預(yù)處理算法和反向傳播(Back Propagation)算法與MapReduce框架相結(jié)合，設(shè)計實現(xiàn)了基于Hadoop的大數(shù)據(jù)分析方案。
　　本文的創(chuàng)新點包含以下三個方面:
　　首先，本文提出一個并行異常數(shù)據(jù)處理算法——MRKM算法。對K-means聚類算法進(jìn)行改進(jìn)使其用于尋找數(shù)據(jù)異常點，將改進(jìn)后的算法與MapReduce框架相結(jié)合，設(shè)計了基于MapReduce的異常數(shù)據(jù)處理算法。實驗證明，改進(jìn)后的K

3、-means算法可有效的處理異常數(shù)據(jù)。
　　其次，研究了標(biāo)準(zhǔn)BP算法，針對算法的不足，提出了引入?yún)?shù)的改進(jìn)算法——IPBP算法。實驗證明，IPBP算法比標(biāo)準(zhǔn)的BP算法具有更高的正確率和較小的迭代次數(shù)。對IPBP算法進(jìn)行了MapReduce并行化，提出了MRIPBP算法。實驗結(jié)果表明，MRIPBP算法并行性好，能勝任大量數(shù)據(jù)分析處理任務(wù)。
　　最后，將大數(shù)據(jù)技術(shù)應(yīng)用于動車組，使用本文提出的大數(shù)據(jù)分析算法對動車組牽引電機進(jìn)行維修

4、等級判定，使?fàn)恳姍C的維修等級判定更為準(zhǔn)確。
　　本文還介紹了Hadoop系統(tǒng)，分析了牽引電機的電氣特性，根據(jù)電氣特性提取了牽引電機的特征向量，搭建Hadoop實驗平臺，對動車組牽引電機數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理和數(shù)據(jù)分析，實現(xiàn)大數(shù)據(jù)分析算法在動車組牽引電機的應(yīng)用。并從不同的方面進(jìn)行比較，分析算法性能。實驗證明，算法有較高運算速度。
　　本文將大數(shù)據(jù)分析算法應(yīng)用于動車組，使相關(guān)技術(shù)人員能準(zhǔn)確地獲得牽引電機維修等級，提高檢修與維護工作