数据驱动的动车组滚动轴承故障预测

摘要：

为了有效提高动车组滚动轴承故障的发现率,减少故障监控系统的误报现象,基于Apache Hadoop大数据平台对经典Apriori算法进行改进,并将其应用于动车组滚动轴承故障的预测研究工作中.首先,针对经典Apriori算法的不足,在MapReduce框架下提出以业务经验为约束的改进的Apriori算法.其次,基于文中提出的改进的Apriori算法对某铁路局的动车组状态、故障预警、维修历史等信息进行深度数据挖掘,并通过得出的关联规则进行动车组滚动轴承故障的预测.实验结果表明,文中提出的算法准确率达72%,减少了80%以上的误报报警信息,在实验环境中运算效率较传统的Apriori算法提高了50%.

关键词：智能交通、故障预测、Apriori算法、数据挖掘、大数据

所属期刊栏目：36

分类号：U279(车辆工程)

资助基金：中国铁道科学院院基金2016TJ102

在线出版日期：2017-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：16-23