基于云計(jì)算的高鐵振動(dòng)數(shù)據(jù)預(yù)處理與特征提取研究.pdf

1、隨著我國(guó)高速列車的進(jìn)一步提速和鐵路信息系統(tǒng)的不斷完善,如今已經(jīng)具備采集更多的列車運(yùn)行信息的條件。目前,運(yùn)行的高速鐵路列車上通過(guò)部署大量傳感器采集了多種數(shù)據(jù),列車振動(dòng)數(shù)據(jù)就是其中之一。振動(dòng)數(shù)據(jù)不僅影響乘客的旅行感受,而且也反映列車部件的運(yùn)行情況。因此分析處理高鐵振動(dòng)數(shù)據(jù)對(duì)提升列車服務(wù)能力,保障列車安全運(yùn)行具有重要意義。然而傳統(tǒng)的高鐵振動(dòng)數(shù)據(jù)特征提取與分析技術(shù)是運(yùn)行在單個(gè)機(jī)器上的,這類技術(shù)在大量傳感器采集的海量振動(dòng)數(shù)據(jù)面前,暴露出處理時(shí)間長(zhǎng)

2、、人工干預(yù)多、處理大數(shù)據(jù)文件能力不足等缺點(diǎn)。云計(jì)算技術(shù)的出現(xiàn)為解決上述問(wèn)題提供了思路。MapReduce是一種有效的處理大數(shù)據(jù)的并行計(jì)算框架,是云計(jì)算主要模型之一,可以自動(dòng)分配任務(wù)且實(shí)現(xiàn)任務(wù)均衡。因此利用MapReduce來(lái)分析處理高鐵振動(dòng)數(shù)據(jù),以應(yīng)對(duì)高鐵振動(dòng)大數(shù)據(jù)的挑戰(zhàn),提升高鐵振動(dòng)數(shù)據(jù)處理能力有重要的實(shí)際應(yīng)用價(jià)值。本文旨在研究基于MapReduce技術(shù)的高鐵振動(dòng)數(shù)據(jù)預(yù)處理與特征提取方法。
　　 本文的主要工作包括:作為準(zhǔn)備工

3、作完成了Hadoop并行計(jì)算實(shí)驗(yàn)平臺(tái)的搭建。在研究振動(dòng)數(shù)據(jù)預(yù)處理方法的基礎(chǔ)上,設(shè)計(jì)了基于MapReduce的高鐵振動(dòng)數(shù)據(jù)預(yù)處理算法——并行異常數(shù)據(jù)處理和并行線性趨勢(shì)項(xiàng)消除。異常數(shù)據(jù)處理算法用于發(fā)現(xiàn)異常點(diǎn),對(duì)異常點(diǎn)進(jìn)行處理。線性趨勢(shì)項(xiàng)算法用于消除振動(dòng)數(shù)據(jù)中的線性漂移。在預(yù)處理結(jié)果的基礎(chǔ)上,設(shè)計(jì)和實(shí)現(xiàn)了一種基于MapReduce的振動(dòng)數(shù)據(jù)通道分離算法。該算法將數(shù)據(jù)文件中不同通道采集的數(shù)據(jù)分離到獨(dú)立的數(shù)據(jù)文件中,并保持原有數(shù)據(jù)的時(shí)序順序不變。

4、通道分離完成后,設(shè)計(jì)和實(shí)現(xiàn)了基于MapReduce的高鐵振動(dòng)數(shù)據(jù)特征提取方法。最后,一方面研究了高鐵振動(dòng)數(shù)據(jù)不同方向數(shù)據(jù)分布情況,指出不同部件故障會(huì)改變數(shù)據(jù)分布參數(shù),因而可通過(guò)數(shù)據(jù)分布情況判斷列車部件故障的類型。另一方面,使用線性回歸分析得到列車速度與高鐵振動(dòng)數(shù)據(jù)標(biāo)準(zhǔn)差的線性關(guān)系,并以此將振動(dòng)數(shù)據(jù)分成“可忽略”、“需觀察”、“必須處理”三類。這部分工作使得振動(dòng)數(shù)據(jù)處理更加具有針對(duì)性,進(jìn)一步提升了處理效率。本文實(shí)現(xiàn)的所有基于MapRede