基于大数据的高速动车组关键部件故障诊断技术研究

高速动车组的零部件故障是由多种因素引起,故障诊断需要对多个环节及其相互影响规则进行分析判断。关联规则挖掘技术在关联性发现方面有较强的优势,可以充分发现在高速动车组零部件故障与动车组实时状态的关联关系。本文介绍大数据挖掘、关联规则及Apriori算法等基础知识。将Apriori算法用于高速动车组故障诊断,发现故障规律,以生成强关联规则,为高速动车组诊断提供决策依据。     

一种基于改进FP-Growth算法的动车组故障预测研究

动车组的故障预测和健康管理是目前的研究热点,其中,故障预测的关键是寻找动车组故障信息和状态信息之间的关联关系。频繁模式增长(FP-Growth)算法是关联规则挖掘中的经典算法之一,用来挖掘频繁项集。针对动车组故障数据提出了一种改进的FP-Growth(IFP-Growth,Improved FP-Growth)算法,采用先序遍历FP-tree的方法产生条件模式基。实验结果表明,IFP-Growth算法能够有效提高动车组故障数据挖掘的效率,并且能够有效地挖掘动车组故障信息和状态信息之间的关联关系。     

基于频繁模式挖掘的接触网故障关联规则推荐模型

接触网作为电力机车的动力传输通道,保障其安全稳定运行至关重要.近年来,各铁路局相继建立了接触网故障数据库,从大量故障数据中寻找有用信息并指导运维.本文基于Apriori算法框架,将频繁模式挖掘技术应用到接触网故障数据的分析中;结合维修周期故障分类模型,将逐条记录的故障数据转换为适合挖掘的数据形式,并应用布尔映射矩阵通过单次扫描数据库实现挖掘算法;针对挖掘结果中可能出现的大量关联规则,提出用熵权法对关联规则常用的多个参数进行综合评价,进而得到了用量化指标对关联规则进行推荐的模型.     

动车组安全规律分析系统设计与实现

动车组故障数据呈现体量越来越大,来源日趋广泛,相关信息几何形态增长的特点.为研究动车组安全规律,挖掘海量历史故障的数据价值,基于动车组安全大数据平台,利用多源数据采集、融合处理及大数据机器学习技术,设计了动车组安全规律分析系统架构与功能.目前,该系统已研发完成,并针对CRH380系列动车组进行了安全规律验证.系统的建设...     

基于优化的MsEclat算法的铁路机车事故故障关联规则挖掘

为从铁路机车大数据中挖掘出与机车事故故障有关的关联规则,提出1种优化的MsEclat算法。先提出改进的Eclat算法——MsEclat算法,构建最小支持度索引表,以各项目的支持度值为排序依据重新构建数据集,依据垂直挖掘思想获得针对不同项目的频繁项集,解决Eclat算法无法在多最小支持度情况下挖掘关联规则的缺陷;进一步改进得到优化的MsEclat算法,在融合布尔矩阵、并行计算编程模型MapReduce基础上,设计频繁项集挖掘步骤,提高算法在大数据分析场景下的执行效率。通过算法对比,验证MsEclat算法及其优化算法在多最小支持度关联规则挖掘方面的计算效率优势。最后,以某铁路局的机车运转养护大数据为例,采用优化的MsEclat算法,挖掘机车事故故障的关联规则。结果表明:该算法在6个分布式节点的情况下耗时3.945 034 s,挖掘得到频繁项集156条,如运用故障高发的机车中,83.78%的概率会同时出现频次较多的行车安全装备问题等;形成相应关联规则后,可用于分析该局机车的事故故障发生情况及质量安全状态。     

基于人工智能的高铁动车组智能运维数据分析系统的构建

针对高速铁路（简称：高铁）动车组部件故障诊断和预测的业务需求,依托动车组故障预测与健康管理（PHM,Prognostic and Health Management）系统,在基于人工智能的高铁动车组智能运营维护（简称：运维）算法研究平台中构建高铁动车组智能运维数据分析系统。介绍了高铁动车组智能运维算法研究平台的架构,以及高铁动车组智能运维数据分析系统的数据处理流程和关键算法。并以高铁动车组客室空调为例,选取客室空调相关传感器数据进行数据分析,得到影响客室空调健康状况的特征,并对聚类结果进行健康度数据标注,作为客室空调健康评估模型开发的基础。     

基于分布式技术的动车组车载大数据存储与检索技术研究

随着动车组的数据传输能力升级改造以及复兴号智能型动车组的上线运营,动车组监测项点数据快速扩充,如何高效、准确地对动车组的海量车载非实时数据进行存储、检索与查询,成为提升动车组车载数据管理和应用水平面临的一个挑战。文中提出一种基于分布式技术的海量非实时数据地面系统架构,将各动车运用所的数据服务站点作为子节点,全路数据服务中心作为主节点,对具备时空属性的海量数据快速检索算法进行了研究,构建了一种支持分布式数据存储、检索及数据分析的架构,开发了原型系统,验证了解决方案的可行性和有效性。     

基于AIOps的铁路机房运维管理系统研究

传统电源及机房环境监控系统设计思想以监测为主,旨在发现设备故障,指导运维人员进行故障抢修,存在管理分散、管理水平不高、数据可视化程度低等缺点。提出基于AIOps的铁路机房运维管理系统研究,通过对机房内环境和各类设备的远程监控,运用大数据技术、关联告警分析技术、可视化技术等,充分挖掘系统运行过程中积累的海量历史数据,实现对机房运行状况的预警,提前发现设备运行隐患,提高机房安全保障水平。     

动车组健康管理与运维决策研究

随着客流量逐年增长，以快速、便捷且舒适著称的动车组成为旅客出行的首选，高密度的开行量以及修程修制改革对动车组的安全、稳定运行带来极其严峻的挑战。如何保障动车组运维决策并实现动车组健康管理成为当前关注和研究的重点。文章从大数据应用角度出发，对动车组数据进行了融合并开展了多维可视化分析，制定了动车组健康评价指数，采用线性回归法深入研究了动车组历史数据，预测了配件寿命趋势，从而实现了动车组“精准预防修”的健康管理模式。通过层次分析法和变异系数法可以获得各项评价指数的权重，直观评价动车组健康状态，指导动车组“一车一方案”的运维决策。     

大数据在我国高速动车组运维中的运用

检修维护是高速动车组安全运行的重要保证,所以强调动车组的运维工作非常重要。大数据在动车组运维中的具体运用对于运维工作有积极的意义,可以为运维工作的具体实施提供帮助和指导。     

基于数字孪生技术的动车组运维管理系统架构研究

借鉴数字孪生技术在产品远程运维中的实践经验,立足动车组运维信息化建设实际情况,分析数字孪生技术动车组运行和检修过程中的应用需求,研究基于数字孪生技术的动车组运维管理系统总体架构,设计数字孪生动车组、数字孪生运用所和数字孪生高级修车间3大应用,实现动车组运维全要素融合展示,保障动车组运行安全,支持精准化运维管理.数字孪生...     

网络化运维条件下的动车所检修资源共享方案研究

针对网络化运用检修条件下的动车组检修方案优化问题,以固定运用模式下的动车组开行数据为输出,以满足动车所的最大扣修数量、动车组一二级检修规程和多所检修资源共享规则为约束条件,以最小化动车组检修剩余量为目标,构建优化模型。基于蚁群优化算法设计了模型的求解策略,达到共享多动车所检修资源,充分利用动车组检修周期,降低检修成本的目的。     

改进遗传算法在动车段检修物流配送中的应用

在动车段对动车组的检修作业过程中，检修车间所需零件或工具的物流配送时效性直接决定了检修作业的效率，而目前动车段内采用的配送方式均为点对点单一路径配送。通过对动车段检修物流配送问题进行分析并建立数学模型，采用遗传算法与模拟退火算法相结合的改进算法对模型进行求解，并将算法应用于动车组管理信息系统中。广州动车段在广东地区的实验数据结果表明，改进的遗传算法针对动车段在路径优化方面较为有效地提高了动车段检修物流配送效率，确保了段内动车组的及时检修，进而保障了段配属动车组的安全运用。     

下一代高速智能化动车组研发构想

根据对国外下一代高速动车组的调研,基于我国高速动车组的发展现状、关键智能技术,以及智能化高铁发展战略,提出未来高速智能化动车组将基于以太网技术、大容量车-地传输技术、智能化物联网技术、自动驾驶技术及辅助驾驶技术、旅客在途智能化服务技术、智能化运维技术、系统集成融合技术等的发展,在更智能化、更节能、更安全、更经济、更舒适...     

基于物联网技术的动车组一体化运用检修作业管理系统的研究

通过对动车组一体化作业管理流程的分析及现场作业过程中存在的管理问题,提出了建设以物联网为技术基础的动车组一体化检修作业管理信息系统,利用RFID、传感器、移动互联和图像信息采集识别等物联网技术,实现对动车组检修作业过程数据的实时共享,提高动车组一体化检修作业管理效率和现场安全作业保障。     

动车组大数据处理及分析

将动车组运用维护过程中产生的海量数据进行处理与分析,解决数据不能转换为可用结果的问题。依托大数据分析软件Tableau、按照大数据分析的流程进行处理及分析,实现了闸片磨耗率、磨耗差异、偏磨量等多角度展示,同时,结合地图与GPS坐标对故障分布进行了标记。分析结果表明,大数据处理技术可提高数据分析的效率及准确性。     

复兴号动车组智能技术创新应用及展望

基于工业互联网、5G(第5代移动通信技术)、大数据、智能传感等技术,采用神经网络和数学算法,开展数据驱动类、机理类模型研究,并在现车部署和循环迭代,构建以智能行车、智能服务、智能运维为特征的智能技术体系.通过在复兴号智能动车组上推广应用,实现了有人值守的自动驾驶、故障工况下的应急自走行、旅行全程的无干扰服务,以及低成本...