原文传递
基于大数据的动车组数据处理及故障诊断研究
| 论文题名： | 基于大数据的动车组数据处理及故障诊断研究 |
| 关键词： | 动车组;智能运维;数据处理;故障诊断;大数据技术 |
| 摘要： | 中国高铁的发展取得了令人瞩目的成就，高质量发展的背后是铁路持续推进科技创新取得的重要成果，是高铁智能运维能力的全面提升。随着高铁动车组上线运营数量的大幅度增加，动车组相关数据日益丰富，这些种类繁多且结构各异的数据真实地反映了动车组的运行状态和故障情况，是开展动车组智能运维的重要基础。本文从动车组数据分析处理和应用的角度出发，对基于大数据的动车组数据处理与其在故障诊断中的应用涉及到的理论和技术开展研究，论文内容包括： （1）动车组数据源研究。针对当前动车组业务系统数据源的特点，提出了科学的分类方法，并对不同数据类型的动车组数据进行分类。从业务场景、数据来源、数据结构方面分析了动车组数据特点，为动车组数据处理分析和设计提供依据。 （2）动车组数据处理分析研究。分析了动车组数据处理需求，论述了动车组数据现存的问题，并设计了数据处理的流程。通过引入大数据处理方法和相关技术，分层、分级规划构造动车组数据处理架构，集成动车组多源海量业务数据并实现数据的采集、清洗、转化和存储处理。 （3）动车组牵引电机故障预测研究。针对当前牵引电机故障诊断方法的不足之处，提出了基于长短期记忆神经网络（LSTM）的牵引电机故障预测模型，提取动车组牵引电机温度数据特征进行预测，并使用牵引电机真实运行数据制作数据集训练模型，试验结果表明相较于传统网络模型，论文设计的模型输出结果与真实值差异更小，更适用于动车组牵引电机温度预测的任务场景。 （4）动车组裙板图像故障诊断研究。当前动车组图像数据的分析与判断需要人工完成，本文针对动车组走行部的保护部件裙板，提出了基于卷积神经网络的裙板故障诊断模型，首先通过K-means聚类算法对检测目标进行聚类分析，其次选择YOLO算法并分析网络结构，最后使用多组尺度特征的裙板故障数据集训练网络。试验结果表明模型能够快速准确地实现动车组裙板的故障诊断。 （5）在基于大数据的动车组数据处理与其在故障诊断中的应用研究基础上，本文明确了数据处理和故障诊断的功能需求，提出了功能目标，以动车组故障诊断与健康管理系统为测试场景设计了功能模块。将动车组数据应用到该系统中，实现了动车组运行监控和故障预警的功能。 |
| 作者： | 轩振原 |
| 专业： | 计算机应用技术 |
| 导师： | 张惟皎 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国铁道科学研究院 |
| 学位年度： | 2022 |
检索历史
应用推荐
