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

1、隨著我國高速列車的進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行信息的條件。目前,運行的高速鐵路列車上通過部署大量傳感器采集了多種數(shù)據(jù),列車振動數(shù)據(jù)就是其中之一。振動數(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行情況。因此分析處理高鐵振動數(shù)據(jù)對提升列車服務(wù)能力,保障列車安全運行具有重要意義。然而傳統(tǒng)的高鐵振動數(shù)據(jù)特征提取與分析技術(shù)是運行在單個機器上的,這類技術(shù)在大量傳感器采集的海量振動數(shù)據(jù)面前,暴露出處理時間長

2、、人工干預(yù)多、處理大數(shù)據(jù)文件能力不足等缺點。云計算技術(shù)的出現(xiàn)為解決上述問題提供了思路。MapReduce是一種有效的處理大數(shù)據(jù)的并行計算框架,是云計算主要模型之一,可以自動分配任務(wù)且實現(xiàn)任務(wù)均衡。因此利用MapReduce來分析處理高鐵振動數(shù)據(jù),以應(yīng)對高鐵振動大數(shù)據(jù)的挑戰(zhàn),提升高鐵振動數(shù)據(jù)處理能力有重要的實際應(yīng)用價值。本文旨在研究基于MapReduce技術(shù)的高鐵振動數(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并行計算實驗平臺的搭建。在研究振動數(shù)據(jù)預(yù)處理方法的基礎(chǔ)上,設(shè)計了基于MapReduce的高鐵振動數(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項消除。異常數(shù)據(jù)處理算法用于發(fā)現(xiàn)異常點,對異常點進行處理。線性趨勢項算法用于消除振動數(shù)據(jù)中的線性漂移。在預(yù)處理結(jié)果的基礎(chǔ)上,設(shè)計和實現(xiàn)了一種基于MapReduce的振動數(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)分離到獨立的數(shù)據(jù)文件中,并保持原有數(shù)據(jù)的時序順序不變。

4、通道分離完成后,設(shè)計和實現(xiàn)了基于MapReduce的高鐵振動數(shù)據(jù)特征提取方法。最后,一方面研究了高鐵振動數(shù)據(jù)不同方向數(shù)據(jù)分布情況,指出不同部件故障會改變數(shù)據(jù)分布參數(shù),因而可通過數(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數(shù)據(jù)標(biāo)準(zhǔn)差的線性關(guān)系,并以此將振動數(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數(shù)據(jù)處理更加具有針對性,進一步提升了處理效率。本文實現(xiàn)的所有基于MapRede