基于大数据的动车组故障诊断方法研究
2021-12-12王春雨
科技研究·理论版 2021年15期
王春雨

摘要:在动车组的全生命周期内,由于动车组整体结构的复杂性,运行环境的多样性以及内部零件承受载荷的不同,部分零件出现损失以及发生故障是在所难免的。及时发现故障发生的部位、时间以及原因,不仅可以预测机车车辆的早期事故,而且对行车安全和运行效果有着重要作用。本文基于 大数据的动车组故障诊断方法进行研究。
关键词:大数据:动车组:故障诊断
1数据挖掘理论
1.1特征提取
特征提取就是通过对海量复杂的数据进行深度分析和挖掘,从这些原 始数据中提取出一些能够描述对象的特征。在特征提取时,要尽可能多地 保留与分析对象相关的信息,与此同时,要尽可能地去除与分析对象不相关的信息,还要减少一些干扰所需特征的因素,并且反馈给数据分析模型, 使机器学习算法能够向真值逼近。在进行大数据资源整合时,应该利用数 据关联规则,找出与分析对象相关的数据,并将这些多个来源、多个维度的数据与分析对象联系起来。除此之外,我们还需从历史数据中提取与分 析对象对应的类别信息,给算法的训练确立目标。
1.2Hadoop 平台介绍
Hadoop 是一个由 Apache 基金会用 Java 编写的开源分布式系统基础构架。Hadoop 主要由数据仓库工具(Hive)、分布式数据库(HBase)、分布式文件系统(HDFs)和 MapReduce 引擎等几个部分组成,其中,最基础最核心的部分是 HDFs 和 MapReduce。HDFs 一般位于最底部,用来储存所有位于节点上的文件,它具有高度容错性,对硬件的要求不高,可广泛地用于各种廉价的硬件。……
登录APP查看全文
