發(fā)布時間：2017-05-02 23:12

  本文關(guān)鍵詞：動車組質(zhì)量數(shù)據(jù)聚類分析研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：動車組零部件質(zhì)量的好壞將直接影響到動車組的運維效率、運營成本以及運行安全。近年來國內(nèi)動車組多次出現(xiàn)質(zhì)量問題,在追溯質(zhì)量問題根源的時候,我國目前還是采用人工經(jīng)驗排查的方式,這種方式考驗相關(guān)人員的素質(zhì)與經(jīng)驗,并且缺少大數(shù)據(jù)研究作為技術(shù)支持,過于主觀。另外,在質(zhì)量問題預(yù)測以及有針對性的質(zhì)量檢修工作上,也還處在被動的階段,沒有相應(yīng)的應(yīng)對機制。行車狀態(tài)數(shù)據(jù)是對零部件質(zhì)量實時狀態(tài)的一個真實反映,可以從中發(fā)現(xiàn)導(dǎo)致質(zhì)量異常的因素,動車組數(shù)據(jù)管理日漸成熟,也已經(jīng)積累了大量的零部件全生命周期數(shù)據(jù),但由于數(shù)據(jù)量龐大,人工發(fā)現(xiàn)數(shù)據(jù)屬性的潛在關(guān)系已不可能,因而基于大數(shù)據(jù)挖掘的質(zhì)量影響因素的研究變得十分必要。聚類分析將海量數(shù)據(jù)進行相似性劃分,更利于用戶進行分析。本文針對數(shù)據(jù)類型多樣、維度高且數(shù)據(jù)量大等問題,選取Chameleon聚類算法作為研究算法,并對算法在動車組質(zhì)量數(shù)據(jù)分析中存在的不足加以改進,提高聚類質(zhì)量。由于數(shù)據(jù)量大,傳統(tǒng)單機操作滿足不了質(zhì)量問題分析需求,所以對改進后的算法基于Hadoop平臺進行并行化實現(xiàn)。本文的主要工作如下：(1)對已有的Chameleon聚類算法做改進,彌補了算法耗費時間以及子簇間密度相差較大影響聚類質(zhì)量的問題,并通過實驗證明改進后算法聚類質(zhì)量高且速度快。(2)針對動車組質(zhì)量數(shù)據(jù)數(shù)量龐大的問題,采用Hadoop大數(shù)據(jù)平臺,設(shè)計并實現(xiàn)改進后聚類算法的并行化,并通過實驗證明基于MapReduce的并行化設(shè)計提高了算法效率,能夠勝任大數(shù)據(jù)量的分析工作。(3)對動車組質(zhì)量數(shù)據(jù)進行聚類,分析并定位問題根源,另外提出基于履歷數(shù)據(jù)建立質(zhì)量追溯表,以此為依據(jù)實現(xiàn)質(zhì)量預(yù)測工作。本文基于統(tǒng)計學(xué)的原理,從海量數(shù)據(jù)中挖掘出數(shù)據(jù)屬性潛在關(guān)系,用以輔助高鐵行業(yè)實現(xiàn)質(zhì)量問題的高效定位與預(yù)測,積極推進我國高鐵技術(shù)的發(fā)展。
【關(guān)鍵詞】：零部件質(zhì)量 動車組 Chameleon聚類 Hadoop 質(zhì)量問題定位
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP311.13
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-18
• 1.1 研究背景11-12
• 1.2 研究現(xiàn)狀12-14
• 1.2.1 國外研究現(xiàn)狀12-14
• 1.2.2 國內(nèi)研究現(xiàn)狀14
• 1.3 研究內(nèi)容及意義14-16
• 1.3.1 研究內(nèi)容15
• 1.3.2 研究意義15-16
• 1.4 論文組織結(jié)構(gòu)16-18
• 2 理論及相關(guān)技術(shù)綜述18-32
• 2.1 HADOOP系統(tǒng)18-22
• 2.1.1 分布式文件系統(tǒng)HDFS19-21
• 2.1.2 MapReduce研究21-22
• 2.2 聚類分析介紹22-25
• 2.3 聚類分析算法分類25-30
• 2.4 算法的比較與選擇30-32
• 2.4.1 聚類算法比較30-31
• 2.4.2 聚類算法選擇31-32
• 3 CHAMELEON算法的改進及并行化實現(xiàn)32-46
• 3.1 現(xiàn)有CHAMELEON算法介紹32-36
• 3.1.1 傳統(tǒng)Chameleon算法32-33
• 3.1.2 M-Chameleon算法33-35
• 3.1.3 算法存在的問題35-36
• 3.2 CHAMELEON算法改進36-46
• 3.2.1 算法改進的思想36-38
• 3.2.2 MR-Chameleon算法的實現(xiàn)38-40
• 3.2.3 基于hadoop的MR-Chameleon算法并行化設(shè)計與實現(xiàn)40-42
• 3.2.4 算法性能分析42-46
• 4 動車組質(zhì)量問題定位與預(yù)測46-59
• 4.1 動車組質(zhì)量問題需求分析46
• 4.2 實驗數(shù)據(jù)46-51
• 4.2.1 數(shù)據(jù)的選取47-48
• 4.2.2 數(shù)據(jù)預(yù)處理48-51
• 4.3 實驗環(huán)境及過程51-54
• 4.3.1 實驗環(huán)境51-52
• 4.3.2 實驗過程52-54
• 4.4 實驗結(jié)果分析54-59
• 4.4.1 質(zhì)量問題定位55-56
• 4.4.2 質(zhì)量問題預(yù)測56-57
• 4.4.3 實驗結(jié)果可視化展示57-59
• 5 總結(jié)與展望59-61
• 5.1 工作總結(jié)59
• 5.2 工作展望59-61
• 參考文獻61-64
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果64-66
• 學(xué)位論文數(shù)據(jù)集66

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李斌,郭劍毅;聚類分析在客戶關(guān)系管理中的研究與應(yīng)用[J];計算機工程與設(shè)計;2005年02期

2 張宏翔;李星;;基于聚類分析的學(xué)生學(xué)習(xí)相關(guān)性研究[J];計算機光盤軟件與應(yīng)用;2013年11期

3 蔡建國;;排序聚類分析在成組技術(shù)中的應(yīng)用[J];機械工藝師;1985年01期

4 董玉祥;排序聚類分析計算程序[J];成組生產(chǎn)系統(tǒng);1986年01期

5 A·Gongaware,Inyong Ham,焦虹;用于成組制造系統(tǒng)的聚類分析法[J];成組生產(chǎn)系統(tǒng);1986年02期

6 史逸芬,蔡建國;排序聚類分析法在相似零件成組中的應(yīng)用[J];成組生產(chǎn)系統(tǒng);1986年03期

7 徐大威,王鴻歌;聚類分析應(yīng)用程序系統(tǒng)[J];冶金自動化;1988年01期

8 張春早;會議評判與聚類分析[J];機械工程;1988年02期

9 吳國安;聚類分析在鳥的分類中的應(yīng)用[J];黑龍江大學(xué)自然科學(xué)學(xué)報;1989年04期

10 盧澤生;;零件分類成組的聚類分析法[J];機械工程師;1990年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 梅翠;;我國各地區(qū)居民收入差距及其對消費的制約[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

2 李均立;傅國華;;海南各縣(市)經(jīng)濟實力的聚類分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

3 劉黃金;曹林峰;;南京服務(wù)業(yè)發(fā)展的聚類分析[A];江蘇省現(xiàn)場統(tǒng)計研究會第十次學(xué)術(shù)年會論文集[C];2006年

4 肖靜;楊澤峰;徐辰武;;微陣列表達譜監(jiān)督聚類分析方法的比較研究[A];江蘇省遺傳學(xué)會第七屆代表大會暨學(xué)術(shù)研討會論文摘要匯編[C];2006年

5 路愛峰;崔玉杰;;滬市電力上市公司經(jīng)營業(yè)績的聚類分析[A];中國數(shù)學(xué)力學(xué)物理學(xué)高新技術(shù)交叉研究學(xué)會第十二屆學(xué)術(shù)年會論文集[C];2008年

6 陳國華;廖小蓮;夏君;;證券投資分析的聚類分析方法[A];中國企業(yè)運籌學(xué)[2011（1）][C];2011年

7 張紅衛(wèi);隗金水;;聚類分析評價與測量效度關(guān)系探討[A];第九屆全國體育科學(xué)大會論文摘要匯編(4)[C];2011年

8 牛東曉;乞建勛;;網(wǎng)絡(luò)資源平衡問題的聚類分析優(yōu)化遺傳算法研究[A];2001年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2001年

9 詹原瑞;彭書杰;李如一;;基于聚類分析的企業(yè)信用等級評價方法[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第12屆年會論文集[C];2002年

10 鄒曉玫;修春波;;基于聚類分析的犯罪率相關(guān)因素的研究[A];當(dāng)代法學(xué)論壇（二○一○年第3輯）[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 張建萍;基于計算智能技術(shù)的聚類分析研究與應(yīng)用[D];山東師范大學(xué);2014年

2 李成安;分布式環(huán)境下聚類分析新方法的研究[D];浙江大學(xué);2006年

3 楊旭杰;基于統(tǒng)計方法模型分析的中藥復(fù)方專利保護研究[D];北京中醫(yī)藥大學(xué);2012年

4 李寶玲;王裕頤教授學(xué)術(shù)思想與臨床經(jīng)驗總結(jié)及治療眩暈證治規(guī)律研究[D];北京中醫(yī)藥大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李元俊;大學(xué)生就業(yè)能力培養(yǎng)與社會需求的匹配性研究[D];山東建筑大學(xué);2015年

2 馮雪冰;基于模糊理論的EM算法在聚類分析的應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2015年

3 黃銀;行業(yè)地區(qū)發(fā)展水平的聚類分析[D];蘇州大學(xué);2015年

4 郭俊峰;聚類分析下的股票投資價值挖掘研究[D];大連海事大學(xué);2015年

5 張旭;考慮風(fēng)電接入不確定性的節(jié)點特性建模研究[D];山東大學(xué);2015年

6 褚旭;我國各省市CDM項目聚類分析及影響因素研究[D];首都經(jīng)濟貿(mào)易大學(xué);2015年

7 劉鑫琳;VAGUE集理論及其在聚類分析中的應(yīng)用[D];廣西大學(xué);2015年

8 周穎;基于蟻群算法的聚類分析在學(xué)生成績中的研究[D];南昌大學(xué);2015年

9 邢蕊;以聚類分析為基礎(chǔ)的我國證券公司效率研究[D];山西大學(xué);2015年

10 王帥宇;K-Means算法在用戶細(xì)分方面的應(yīng)用研究[D];北京理工大學(xué);2015年

  本文關(guān)鍵詞：動車組質(zhì)量數(shù)據(jù)聚類分析研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

，

本文編號：341887