李 莉，贾志凯，张 瑜，李时法

(1.中国铁道科学研究院,北京 100080；2. 北京经纬信息技术公司, 北京 100080；3. 新乡市起重设备厂有限责任公司，河南 新乡 453003)

数据驱动的动车组滚动轴承故障预测

李 莉1，贾志凯1，张 瑜2，李时法3

(1.中国铁道科学研究院,北京 100080；2. 北京经纬信息技术公司, 北京 100080；3. 新乡市起重设备厂有限责任公司，河南 新乡 453003)

为了有效提高动车组滚动轴承故障的发现率，减少故障监控系统的误报现象，基于Apache Hadoop大数据平台对经典Apriori算法进行改进，并将其应用于动车组滚动轴承故障的预测研究工作中。首先，针对经典Apriori算法的不足，在MapReduce框架下提出以业务经验为约束的改进的Apriori算法。其次，基于文中提出的改进的Apriori算法对某铁路局的动车组状态、故障预警、维修历史等信息进行深度数据挖掘，并通过得出的关联规则进行动车组滚动轴承故障的预测。实验结果表明，文中提出的算法准确率达72%，减少了80%以上的误报报警信息，在实验环境中运算效率较传统的Apriori算法提高了50%。

智能交通；故障预测；Apriori算法；数据挖掘；大数据

中国高速动车组运行速度高，运行里程大，连续运行时间长，走行部载荷较大，故障率较高。据统计，自2010年下半年至2016年底，在全路动车组范围内转向架运行故障仅次于电力电子部件和车内设施。而滚动轴承作为转向架的重要部件，故障频发。由于目前动车组轴承故障缺少地面监测设备，车载网络及监控系统[1, 2]存在误报漏报现象，统计结果显示，平均一组重连车日报警量多达300多次，误报比例高，给现场工作人员造成很大困扰，给动车组运行安全带来隐患，严重影响高速铁路正常运行秩序，甚至会导致安全事故的发生。……