基于LSTM的云环境异常智能检测方法研究

为提升运维人员响应速度,降低云环境异常对云上应用的影响,研究了一种基于长短期记忆(LSTM,Long Short-Term Memory)的云环境异常智能检测方法。通过将传统时间序列分析算法同LSTM神经网络相结合,实现在线预测云环境监控数据,并通过正态分布和贝叶斯推理定义预测波动范围,快速准确地判别云环境异常。在铁路云数据中心环境中进行测试验证,同其他时序预测方法的比较证明,本方法具有判别准确性高、对各种场景适用性强的优点,可为铁路大规模云数据中心智能运维实施提供一种有效的异常检测手段。     

基于门控循环残差网络的滚动轴承故障诊断研究

滚动轴承的运行状态对整体机构的工作状态影响很大，防止因滚动轴承失效而产生的安全事故极为重要。而一维信号只利用卷积神经网络CNN(Convolutional Neural Networks)输出结果时无法充分利用数据间的时序信息的问题，因此，文中结合门控循环单元GRU(Gated Recurrent Unit)在处理时序数据所具有的优势,提出了一种门控循环残差网络结构，将CNN在强大的特征提取的优点与GRU处理时序数据的优点有机结合起来。为了验证算法的有效性，采用凯斯西储大学轴承数据集与齿轮箱轴承台架试验进行轴承故障诊断分析，同时引入常见神经网络作为对比，检验不同模型的分类性能。结果表明，在相同试验条件下相较于卷积神经网络等深度学习网络，文中算法具有更高的故障识别准确度和稳定性。     

热处理淬火介质(油)循环冷却系统设计

根据理论计算,结合现场实际,设计了热处理淬火介质(油)循环冷却系统工艺方案。     

基于ITSS的铁路主数据中心IT资源运维服务方案

针对铁路主数据中心信息技术(IT,Information Technology)资源运维服务精细化管理程度不高、运维投入产出比不平衡的问题,提出基于信息技术服务标准(ITSS,Information Technology Service Standards)的铁路主数据中心IT资源运维服务能力提升方案。方案通过明确铁路主数据中心IT资源运维服务目录,详细设定每项运维服务的级别,细粒度匹配业务信息系统的多元化服务需求,并通过服务级别协议保障运维服务标准,实现铁路主数据中心差异化、精准化的运维服务,有效优化运维服务成本,提高铁路主数据中心运维资源利用率,提升运维服务管理水平。     

基于云平台的城市轨道交通数据中心应用

阐述了大数据与云平台技术的概念及相互关系，结合城市轨道交通数据中心和云平台的应用现状，从技术需求和业务需求的角度，详细分析了城市轨道交通数据中心建设与云平台技术结合的必要性和重要性，提出基于云平台的数据中心建设思路及应用场景。     

基于云计算的铁路信息系统数据中心的研究

分析当前铁路信息系统的管理情况,介绍云计算技术,提出基于云计算的铁路信息系统数据中心架构,阐述各层结构资源整合的方式,包括云基础架构虚拟化、云平台、云应用的资源整合.基于云计算的数据中心将能更好地支撑铁路运输发展.     

基于VMD-ICSO-GRU的高铁列控车载设备故障率时间序列预测

有效地预测高铁列控车载设备故障率对合理分配设备备品、制定维修计划、减少故障发生具有重要意义。以列车运行控制系统的历史故障数据为对象，提出一种基于变分模态分解(VMD)和门控循环单元(GRU)的故障率预测模型。首先，利用VMD将车载设备故障率时间序列分解为一组包含不同频率信息的子序列，降低原始序列的非平稳性；然后，针对分解后的各个子序列建立多个基于GRU的时间序列预测模型，为提高预测精度，提出一种改进的猫群优化(ICSO)算法自适应设置各个GRU网络参数；最后，叠加各子序列预测结果得到最终故障率预测值。收集CTCS3-300T型列控车载设备历史故障数据进行实验，结果表明，相比于其他时间序列预测模型，本文模型得到的均方根误差(RMSE)和平均绝对误差(MAE)分别为0.044 5和0.039 1,均低于其他模型，验证了其有效性。     

基于EHM理念的铁路机务设备大数据健康管理系统的设计与实现

为更好地进行铁路机务设备工作状态管理,降低维修成本,设计并实现了基于设备健康管理(EHM,Equipment Health Management)理念的铁路机务设备大数据健康管理系统。该系统通过层次分析法、自回归(AR,Autoregressive)模型、支持向量机(SVM,Support Vector Machine)模型,实现了铁路机务设备运行状态实时监测、健康趋势预测分析(准确率到达96.2%)、故障预测分析(准确率到达99.08%)、风险评估预警等功能。系统的运用有效的降低铁路机务设备维修成本,为铁路机务设备的信息化健康管理起到示范作用。     

基于云平台的城市轨道交通综合监控系统方案

结合城市轨道交通的实际情况,对基于云平台的综合监控系统进行研究和方案设计。针对传统综合监控系统在系统资源使用、网络切换、数据同步等方面存在的不足,提出通过云平台的虚拟机迁移、故障HA(高可用)、存储双活和Oracle数据库同步等第三方的机制,简化应用软件,优化综合监控系统架构。根据云平台的技术特点实施主备数据中心实时服务器多重冗余;根据车站及控制中心实时服务器和数据库都集中在云平台上的特点,去除车站数据库,降低数据同步风险。基于云平台的的创新设计,极大地提升了综合监控系统的可用性和健壮性。     

基于铁路主数据中心云化基础设施的灾备关键技术研究

从铁路信息系统灾备建设现状出发,立足铁路主数据中心基础设施云环境和灾备中心建设需求,重点研究数据复制、主备/双活、业务切换及自愈、云灾备服务等灾备关键技术;对铁路信息系统灾备保障程度进行等级划分,提出基于铁路主数据中心基础设施云环境的信息系统灾备方案建议。研究成果可为铁路信息系统灾备中心的建设及应用系统灾备架构的选择提供参考,并为铁路云灾备服务化提供研究基础。     

基于云-边-端架构的城市轨道 交通智能运维系统

在城市轨道交通网络化运营大背景下,设备智能运维需求愈加迫切。提出基于云-边-端架构的城市轨道交 通设备智能运维系统,采用云边协同技术,将云中心的部分功能下沉至边缘侧,充分发挥云计算技术与边缘计算 技术的各自优点,实现对终端数据的快速响应和有效利用。该系统集设备监测平台、设备健康管理平台、设备智 能分析平台、应急指挥平台、专家系统为一体,具备设备状态在线监测、设备健康度评估、故障智能诊断、故障 预测、智能分析、应急指挥调度等功能,可以降低设备故障率,提高设备运维效率,保障轨道交通线网的安全运 营,对提升设备智能运维水平具有参考意义。     

铁路多地多中心监控运维关键技术研究

为适应中国国家铁路集团有限公司统筹规划及数据中心多地多中心的发展要求，实现全国铁路数据中心集中运营维护（简称:运维）管理的目标，提出多地多中心监控运维体系架构。采用监控运维平台分布式部署、资产统一管理、统一监控等关键技术，实现了分钟级的批量多云环境巡检，以及对监控数据、日志数据的统计分析，并对云环境的资源使用提出了优化建议，以期为铁路数据中心云环境的运维工作提供重要支撑。     

铁路数据中心智能运维管理系统初步研究

当前,云计算逐渐成为铁路信息系统的主流技术架构,铁路数据中心云化进程不断加快,同时正朝着多地多中心方向发展,其运行与维护（简称：运维）环境异构特征愈发突出,运维业务需求日趋复杂化。为有效应对铁路数据中心运维面临的压力和挑战,提升运维业务的自动化、智能化水平,提出铁路数据中心智能运维管理系统方案,重点对运维数据采集、运维监控指标体系及运维数据存储展开研究,为铁路数据中心智能运维管理系统的开发奠定了基础。     

动车组轮对精准镟修管理系统及其应用

介绍了动车组轮对精准镟修管理系统。该系统基于车轮磨耗机理和车轮磨耗数据,建立车轮磨耗规律模型和镟修规律模型,进而建立车轮退化规律和寿命预测模型;同时基于车轮失效机理、车轮维修数据,建立车轮多边形风险预测模型和滚动接触疲劳模型,实现车轮失效风险预测;在车轮磨耗、镟修、寿命预测、风险预测模型的基础上,以车轮全寿命周期检修综合成本为目标,建立车轮运用维修决策模型,实现车轮状态修和计划预防修。实践证明,动车组轮对精准镟修管理系统可有效降低轮对运维成本。     

云内云外融合网络安全 纵深防御体系研究

基于城轨行业网络安全建设现状和国内外网络安全行业新技术应用调研情况,分析城轨云的网络安全风 险,在遵循城轨协会各项技术规范和“平台统保、系统自保、边界防护、等保达标、安全确保”方针的基础上, 研究城轨云内云外融合网络安全纵深防御体系建设方法,提出安全能力分步建设步骤和区分网域差异化安全能力 构建理念,并探讨城轨云安全运维中心安全运营成熟度模型和各阶段目标,为后续城轨行业云平台安全规划建设 提供指导。通过对软件定义安全、零信任、云工作负载、安全运维中心等创新技术进行对比分析,测试验证了相 关技术在城轨云的创新应用场景,分析了创新技术所带来的技术效益。研究成果对于深化我国城轨云网络安全纵 深防御体系具有一定的参考意义。     

基于BIM的大型数据中心运行与维护管理原型系统研究

为探索大型数据中心在先进技术加持下的运行与维护(简称:运维)管理新模式,以及新模式能够给数据中心运维管理带来的变化和提升点,文章以中国铁路主数据中心为例,结合建筑信息模型(BIM,Building Information Modeling)数据和物联网(IoT,Internet of Things)技术,分析数据中心的...     

基于海量运维数据的铁路数据中心风险预测与防控系统研究与开发

基于海量运维数据的风险预测和风险防控是铁路数据中心实现智能运维的基础性工作。围绕铁路数据中心智能运维需求，研究智能分析方法，依托铁路数据服务平台的大数据存储和数据共享服务能力，使用平台提供的数据预处理及模型训练、模型部署等工具，建立容量趋势预测、基于日志分析的风险预测、运行异常预测、施工风险预测等不同运维场景风险预测模型，完成模型训练、调优和测试，最后将通过实验验证的模型进行发布和上线更新。建立基于海量运维数据的铁路数据中心风险预测与防控系统，可以通过运维经验积累来改进评估指标和预测模型，提高风险预测的准确性及风险处置的有效性，帮助运维人员快速聚焦主要问题，有利于保障铁路数据中心长期安全稳定运行，夯实铁路运输生产安全的基础。     

基于大数据和云计算的车辆智能运维模式

广州地铁基于多年的运营经验,在广泛收集所辖地铁车辆运营维护的实际"痛点"基础上,通过优化现有检修流程、增加车载于轨旁监测检测设备、引入前沿大数据和云计算等技术等手段,构建了地铁车辆的智能运维系统。智能运维系统可通过健全智能决策系统、工作协调及信息共享,对整个车辆运行过程进行仿真、评估和优化,并以车辆全生命周期数据为基础,提供车辆整个生命周期的故障和寿命的管理和预测数据,为实现车辆检修由计划修逐步转化为状态修提供了技术支撑。     

基于Three.js的铁路数据中心运维数据可视化系统设计

为解决铁路各级数据中心运维监控系统功能单一、信息共享不及时、可视化程度低等问题,基于Three.js引擎,设计了一种适用于铁路数据中心的运维数据可视化系统,实现了数据中心的自动化巡检,缩短报警响应时间及问题处理时间,为数据中心运维、巡检、管理人员提供实时、规范、量化、准确的运维数据可视化服务,对数据中心进行准确、及时、有效地监控、预警和管理,降低数据中心运维成本,提高运维安全性。