基于Hadoop的動車組故障診斷關鍵技術的研究與實現.pdf

1、隨著我國高速鐵路近年來的不斷發(fā)展，動車組已經開始大規(guī)模投入使用，現階段已經積累了海量的動車組運行狀況數據并以TB數量級增長。如何利用海量的動車組故障數據進行分析，并進一步指導動車組維修和保養(yǎng)工作，這對于動車組故障診斷具有重大意義。然而高速鐵路動車組運行狀況數據具有多樣化、容量大、復雜度高、速度快等特點，傳統的數據挖掘算法效率低下，實時性差，已經無法滿足目前對于動車組關鍵部件故障診斷應用的需求。因此本文提出引入Hadoop分布式計算框架，

2、該框架的Map/Reduce編程模型能夠根據動車組數據的特點有針對性地解決現階段動車組故障診斷中的存在的不足，因此有一定的理論和現實意義。
　　本文提出了基于Hadoop分布式框架的動車組故障診斷大數據解決方案，并通過對基于Hadoop的C4.5分類算法的優(yōu)化為提高動車組故障診斷的效率提供了有效方法，并在實際應用中得到了驗證。
　　本論文的工作有以下幾方面:
　　(1)在分析了MapReduce分布式計算框架、分布式文

3、件系統HDFS、數據倉庫Hive等Hadoop核心技術的基礎上，給出了基于Hadoop的動車組故障分析大數據解決方案，搭建了Hadoop集群環(huán)境。
　　(2)在算法選擇上分析了原始C4.5算法在基于Hadoop平臺動車組故障診斷中存在的不足，提出了兩種改進算法并分別在準確性及可擴展性方面對原始C4.5算法進行了性能改進，集群的負載均衡能力得到提高。
　　(3)將改進后的算法應用于本實驗室的動車組故障真實數據場景下，并產生了相