本文選題：數(shù)據(jù)挖掘 + 城軌列車�。� 參考：《北京交通大學》2017年碩士論文

【摘要】：近年來隨著我國城市軌道交通行業(yè)的快速發(fā)展,列車的運行安全問題受到了行業(yè)的廣泛關注。為了保證列車的運行安全,在列車運行中發(fā)現(xiàn)并解決故障,本文以城市軌道行業(yè)為背景,使用基于在途列車狀態(tài)的數(shù)據(jù)分析與挖掘技術解決列車運行中的安全問題。在現(xiàn)有的車輛維保生產管理系統(tǒng)中,使用該系統(tǒng)的列車在途運行數(shù)據(jù),運用數(shù)據(jù)挖掘技術進一步開發(fā)子系統(tǒng)-安全預測系統(tǒng)。系統(tǒng)主要包括故障統(tǒng)計、故障關聯(lián)分析、故障識別和故障預測四個功能模塊,本文的主要工作包括:(1)按照系統(tǒng)的設置和用戶的要求,使用原始數(shù)據(jù)表在數(shù)據(jù)庫中建立相應的故障對應關系表,根據(jù)不同的條件,在對應表中對故障數(shù)據(jù)進行統(tǒng)計,生成故障統(tǒng)計圖。(2)使用Hadoop對列車運行時產生的故障數(shù)據(jù)進行數(shù)據(jù)分析和挖掘,得出故障的屬性和故障之間的關聯(lián)規(guī)則,生成關聯(lián)規(guī)則數(shù)據(jù)表。(3)使用關聯(lián)規(guī)則進行故障識別,在故障表中找到與異常數(shù)據(jù)有關的故障,在關聯(lián)規(guī)則數(shù)據(jù)庫中查找異常數(shù)據(jù)的屬性與故障的關聯(lián)規(guī)則,對異常數(shù)據(jù)進行判斷,在確認故障隱患后,生成故障隱患單。(4)綜合相關數(shù)據(jù),運用回歸分析知識對故障的發(fā)展趨勢進行預測,構造故障屬性之間的回歸方程,建立回歸模型,通過回歸模型對故障隱患進行預測。安全預測系統(tǒng)將數(shù)據(jù)挖掘技術引入車輛的維保管理系統(tǒng)中,實現(xiàn)了對列車運行狀態(tài)的實時監(jiān)測,經過系統(tǒng)對異常數(shù)據(jù)的識別和預測,及時通知用戶對故障隱患進行處理,保證了列車的運行安全。系統(tǒng)測試結果表明安全預測系統(tǒng)的功能要求已經基本實現(xiàn),車輛維保生產管理系統(tǒng)已經實現(xiàn)部分功能,相關版本已在廣州地鐵的具體項目中進行測試驗收,軟件相關后續(xù)開發(fā)工作也在進行中。
[Abstract]:In recent years, with the rapid development of urban rail transit industry in China, the safety of train operation has been widely concerned by the industry. In order to ensure the safety of train operation and to find and solve the trouble in train operation, this paper takes the urban rail industry as the background, and uses the data analysis and mining technology based on the state of the train on the way to solve the safety problem in the train operation. In the existing vehicle maintenance and maintenance production management system, the data of train running in the system is used to further develop the subsystem, the safety prediction system, by using the data mining technology. The system mainly includes four function modules: fault statistics, fault correlation analysis, fault identification and fault prediction. Using the original data table to establish the corresponding fault correspondence table in the database, according to the different conditions, the fault data in the corresponding table is counted, Using Hadoop to analyze and mine the fault data generated by train operation, to get the association rules between fault attributes and faults, and to generate association rules data table. 3) to identify faults using association rules. Find the fault related to the abnormal data in the fault table, look up the attribute of the abnormal data and the association rule of the fault in the association rule database, judge the abnormal data, after confirming the hidden trouble of the fault, (4) synthesizing relevant data, using regression analysis knowledge to predict the trend of fault development, constructing regression equation between fault attributes, establishing regression model and predicting hidden trouble through regression model. The safety prediction system introduces data mining technology into the maintenance management system of the vehicle, realizes the real-time monitoring of the train running state. After the system recognizes and predicts the abnormal data, the users are informed in time to deal with the hidden trouble. The running safety of the train is ensured. The system test results show that the functional requirements of the safety prediction system have been basically realized, the vehicle maintenance and production management system has realized some functions, and the related versions have been tested and accepted in the specific projects of Guangzhou Metro. Software related follow-up development work is also under way.
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP311.13;TP311.52

【參考文獻】

相關期刊論文 前10條

1 解紫瑩;景慎艷;;提高Java數(shù)據(jù)庫訪問效率的策略研究[J];福建電腦;2016年02期

2 劉峰;申宇燕;盧萬平;延九磊;;城軌列車安全監(jiān)測系統(tǒng)方案設計[J];鐵路技術創(chuàng)新;2015年04期

3 魏永合;劉雪麗;牛保國;;基于故障預測的預防性維修策略優(yōu)化模型[J];組合機床與自動化加工技術;2015年07期

4 王雅軒;頊聰;;數(shù)據(jù)挖掘技術的綜述[J];電子技術與軟件工程;2015年08期

5 王夢雪;;數(shù)據(jù)挖掘綜述[J];軟件導刊;2013年10期

6 馬碩;焦現(xiàn)煒;田柯文;呂世樂;趙陽;鄭善軍;;故障預測技術發(fā)展與分類[J];四川兵工學報;2013年02期

7 郝樹魁;;Hadoop HDFS和MapReduce架構淺析[J];郵電設計技術;2012年07期

8 郝偉;;淺論數(shù)據(jù)挖掘技術在電力行業(yè)中的應用[J];中外企業(yè)家;2012年14期

9 李遵敬;;淺析故障管理的統(tǒng)計分析[J];科技信息;2010年35期

10 左憲章;康健;李浩;唐力偉;;故障預測技術綜述[J];火力與指揮控制;2010年01期

相關博士學位論文 前3條

1 李向前;復雜裝備故障預測與健康管理關鍵技術研究[D];北京理工大學;2014年

2 余博;面向運維的城軌列車在途監(jiān)測若干關鍵技術研究與應用[D];北京交通大學;2014年

3 何月順;關聯(lián)規(guī)則挖掘技術的研究及應用[D];南京航空航天大學;2010年

相關碩士學位論文 前4條

1 彭文龍;城軌列車安全監(jiān)測系統(tǒng)研究與設計[D];北京交通大學;2014年

2 石瑞平;基于一元回歸分析模型的研究[D];河北科技大學;2009年

3 李響;基于.NET列車行車安全遠程監(jiān)控系統(tǒng)研究[D];大連理工大學;2007年

4 邊海燕;基于數(shù)據(jù)挖掘技術的動態(tài)檢測與故障預測分析[D];北京化工大學;2004年

，

本文編號：1922742