基于优化的MsEclat算法的铁路机车事故故障关联规则挖掘

为从铁路机车大数据中挖掘出与机车事故故障有关的关联规则,提出1种优化的MsEclat算法。先提出改进的Eclat算法——MsEclat算法,构建最小支持度索引表,以各项目的支持度值为排序依据重新构建数据集,依据垂直挖掘思想获得针对不同项目的频繁项集,解决Eclat算法无法在多最小支持度情况下挖掘关联规则的缺陷;进一步改进得到优化的MsEclat算法,在融合布尔矩阵、并行计算编程模型MapReduce基础上,设计频繁项集挖掘步骤,提高算法在大数据分析场景下的执行效率。通过算法对比,验证MsEclat算法及其优化算法在多最小支持度关联规则挖掘方面的计算效率优势。最后,以某铁路局的机车运转养护大数据为例,采用优化的MsEclat算法,挖掘机车事故故障的关联规则。结果表明:该算法在6个分布式节点的情况下耗时3.945 034 s,挖掘得到频繁项集156条,如运用故障高发的机车中,83.78%的概率会同时出现频次较多的行车安全装备问题等;形成相应关联规则后,可用于分析该局机车的事故故障发生情况及质量安全状态。     

基于Hadoop的Aprior算法改进及其在动车组运维的应用

论文着眼于解决大数据下的动车组关联规则挖掘问题，提出了一种基于Apriori算法改进的大数据关联规则挖掘算法T-MR-Apriori算法。该算法融合Hadoop技术，执行两遍MR分布式计算过程，完成整个关联规则挖掘流程，提高了海量数据下关联规则挖掘的效率和准确率。同时利用实际动车组运维数据进行验证，证明该算法在海量数据下具有良好的挖掘速度又能不降低挖掘性能。并且将该方法应用于动车组牵引电机运维数据挖掘，进行可视化展示。     

数据挖掘在铁路机务段MIS中的应用

以铁路机务段现有的数据库为基础,利用数据挖掘的方法,研究提出了关联规则挖掘算法,并将其应用于铁路机务段管理信息系统,通过一个原型的实践表明,挖掘的关联规则和知识对提高企业MIS的管理水平有显著作用,说明了进一步研究的方向.     

基于大数据的高速动车组关键部件故障诊断技术研究

高速动车组的零部件故障是由多种因素引起,故障诊断需要对多个环节及其相互影响规则进行分析判断。关联规则挖掘技术在关联性发现方面有较强的优势,可以充分发现在高速动车组零部件故障与动车组实时状态的关联关系。本文介绍大数据挖掘、关联规则及Apriori算法等基础知识。将Apriori算法用于高速动车组故障诊断,发现故障规律,以生成强关联规则,为高速动车组诊断提供决策依据。     

基于关联规则挖掘算法的规则发现系统的设计和实现

关联规则挖掘算法是告警相关性分析获取规则的重要方法.针对综合网络管理系统中告警相关性分析需自动获取规则的需求,提出一种基于该算法的规则发现系统模型,并进行具体方案的设计与实现.在算法上引入加权和序列模式的思想,力求保证系统的挖掘质量,使挖掘规则符合实际需求,适应电信网络不断变化的需求.     

基于Web和SQL的接触网建筑信息模型区间布置软件系统

介绍了基于Web(全球广域网)和SQL(结构化查询语言)数据库的接触网BIM(建筑信息模型)区间布置软件。该软件利用Web和SQL数据库最大资源共享的特性,将MicrosoftStation等BIM软件设计的接触网模型和布置关系转为接触网零部件和接触网布置数据,存于数据库中,并共享于网内其他用户。该系统提供简捷的项目管理和布置设计功能,用户可对其扩展属性进行适应性调整,从而有效促进BIM技术在接触网专业中的应用。     

铁路货票信息的数据挖掘

从三个方面对货票数据进行挖掘。即:运用集合理论构造关系数据库特征关联模型,描述了特征规则知识的表达:rule(E,T,Cp),给出rule(E,T,Cp)的发现算法和算法的应用举例,实例表明铁路多年来把标重作为计算整车费率唯一因素的办法应作适当调整;运用聚类方法对货票数据进行聚类,描述了聚类的步骤,对某公司2000年度的运距和收入进行聚类,分析聚类结果对铁路生产经营、市场营销的启示;运用ARIMA模型对货票数据进行季节性知识挖掘,描述挖掘的过程,用1992年～2001年的历史数据预报2002年货运量。     

一种基于改进FP-Growth算法的动车组故障预测研究

动车组的故障预测和健康管理是目前的研究热点,其中,故障预测的关键是寻找动车组故障信息和状态信息之间的关联关系。频繁模式增长(FP-Growth)算法是关联规则挖掘中的经典算法之一,用来挖掘频繁项集。针对动车组故障数据提出了一种改进的FP-Growth(IFP-Growth,Improved FP-Growth)算法,采用先序遍历FP-tree的方法产生条件模式基。实验结果表明,IFP-Growth算法能够有效提高动车组故障数据挖掘的效率,并且能够有效地挖掘动车组故障信息和状态信息之间的关联关系。     

基于数据挖掘技术的铁路货运安全数据管理系统

在进行数据挖掘基本算法研究的基础上研制开发了一个应用于铁路货运安全的数据管理系统TMIS。通过信息技术的应用,以及基于关联规则发现、无序矩阵判定等基本数据挖掘操作,对货运装载的超限数据实行了数字化管理,并建立了分析超限数据的智能化软件系统。能够对存储的数据结果进行超限原因分析。通过数据库技术的应用,实现了对挖掘操作的基本管理和结果的图形化显示。实验结果表明,该系统能够在大规模数据库上成功地完成用户所指定的数据挖掘操作。     

行车安全监测数据关联规则的研究

主要研究如何利用数据挖掘技术进行报警的管理,详细叙述了报警序列数据的关联规则挖掘算法,并对沪宁线综合安全监控信息系统集成的车辆运行状态、地面安全监测系统报警数据进行了关联性分析.     

基于双边供电时直流牵引网的故障测距方法

针对直流牵引网上下行接触网并联,短路后接触网间产生的短路电流环流特点,利用求解微分方程的方法实现故障测距。在PSCAD环境下搭建直流牵引供电系统模型进行仿真,并在实验室进行模拟短路试验,同时在地铁现场进行短路试验,使用短路电流数据对本文所提出的故障测距算法进行了验证,结果表明,该故障测距算法精度较高,不受故障点过渡电阻的影响。     

高速铁路接触网系统风险评估与维修计划优化

针对当前高速铁路接触网系统在维修管理中未将供电设备运行可靠性与故障损失综合考虑的问题,采用系统故障Petri网计算模型,结合不同故障损失等级划分,构建高速铁路接触网系统风险评估模型。以维修费用最小为目标,以风险损失和维修资源限制为约束条件,引入役龄回退因子,提出高速铁路接触网系统维修计划优化模型。应用混合粒子群算法,设计优化计算程序,给出求解维修计划优化模型的方法和步骤。实例分析表明,上述维修计划模型的工程应用将在维持接触网系统较高可靠性的同时有效控制故障失效风险。     

牵引供电系统可靠性预测及建模方法研究

基于采用无偏GM(1,1)模型预测其相关设备中长期的故障数据,增大了建模所需的数据样本量,能解决牵引供电系统可靠性建模由于故障数据较少,导致建模的精度不高且建模失败的可能性大的问题,提出基于粒子群算法的智能拟合方法。以威布尔分布模型为基础,建立牵引供电系统各关键设备可靠性分析的数学模型。计算得到用最小割集表示的牵引变电所和接触网故障树模型,综合分析得出牵引供电系统整体的可靠性模型,并计算系统整体的可靠度和平均使用寿命,通过建立灰色关联分析模型,计算得出接触线是影响牵引供电系统整体可靠性的关键设备。     

盾构施工临近建筑物变形影响因素关联性分析

基于大量工程实践和资料对建筑物变形安全影响因素进行分析,基于实际数据样本利用粒子群和支持向量机算法,得到影响因素与建筑物变形特征之间的关联模型,并对模型进行验证,利用蒙特卡洛模拟算法仿真模拟得到大量仿真样本,利用卡方关联分析方法和灰色关联算法对各影响因素的关联度进行挖掘,了解各个影响因素与建筑物变形特征之间的关联性程度,进一步得出需要重点控制的建筑物变形的关联影响因素,为临近建筑物的保护控制提供决策参考。     

高速铁路站场接触网辅助设计关键技术研究与开发

高速铁路接触网设计分为站场和区间设计,而站场设计时线路错综复杂,比起区间设计更加困难.针对站场设计规则和接触网设计数据驱动约束,研究站场接触网数据驱动技术、线路识别关键技术,在.NET平台上用ObjectARX开发包进行二次开发,辅助设计人员进行接触网设计,解决线路识别、支柱布置、支柱对称、数据存储等关键问题.设计人员只需要简单的操作就能在短时间内完成以往耗费大量时间的工作,设计结果满足实际需求,提高了设计效率.     

RS-BN算法在高铁车载设备故障诊断中的应用研究

针对高速铁路列控车载设备结构复杂、故障诊断特征不确定、传统故障诊断方法过于依赖专家经验、故障诊断自动化程度低等问题,提出一种贝叶斯网络与粗糙集模型约简技术相融合的故障诊断方法。首先对故障追踪表进行分析提取和数据挖掘,结合专家经验建立诊断知识数据库;其次对故障数据进行K2算法学习、训练,并结合诊断知识数据库先验知识建立BN结构模型;然后结合故障信息数据建立诊断决策表,利用粗糙集进行条件属性约简,消除冗余条件信息,简化模型并建立基于RS-BN算法的BN结构模型;再通过MLE算法进行BN模型的参数学习,获得模型的条件概率表,建立完整的BN诊断模型;最后对约简模型和未约简模型进行对比分析。通过某高铁实际故障数据仿真验证分析,测试结果证明了该方法有较高的准确性和实际模型的高似然度。     

从大型数据库中分布式挖掘多层关联规则的算法

关联规则（Ａｓｓｏｃｉａｔｉｏｎ Ｒｕｌｅｓ）是数据挖掘的重要研究内容。随着ＯＬＡＰ与数据仓库技术的日益成熟，从巨量数据库中挖掘多层关联规则的问题越来越迫切且具有较高的实用价值。本文主要研究分布环境下挖掘多层关联规则的问题。提出了一种快速有效的ＤＭＭＬＡ算法，论述了它的原理及具体实现方法。实验结果表明，算法ＤＭＭＬＡ是有效的。     

接触网零部件状态描述标准词典研究

对开展接触网零部件状态描述标准词典研究的意义与价值进行了分析,提出以相关标准的规定确定状态描述标准词典中接触网零部件名称,并以层级关系分级描述,以传统应用经验与视频图像智能识别技术相结合的方式规范零部件状态描述名称和分类方式;通过建立编码规则为接触网零部件名称、状态描述名称、各层级分类分别设置数字代码;初步形成了接触网零部件状态描述标准词典,为建立接触网检测视频图像类大数据库创造了条件.     

城轨交通接触网悬挂状态智能检测算法及应用

通过高清成像对接触网悬挂状态进行检测,及时发现零部件松脱卡磨断等缺陷问题并维修,是保障城轨交通接触网系统安全运行的重要手段。采用YOLOV4的最小版本YOLOV4-tiny作为检测算法的基础模型,将原有Dropout层去掉,将上层特征直接经过卷积层后输入到下层卷积层,并加入Mosaic数据增强方式提高算法的泛化性,同时将原有Leaky-Relu函数替换为更加平滑的Mish函数。接触网缺陷定位的流程为：根据改进后的YOLOv4-tiny算法训练得到零部件区域定位模型,用于定位零部件的位置;再根据改进后的YOLOv4-tiny算法训练得到缺陷识别模型,用于判断该零部件是否有缺陷,并给出缺陷的具体位置和缺陷类别。实际应用表明：该算法能准确、快速定位零部件缺陷位置,并给出缺陷类型,总精度达90%以上,大大地降低了检测耗时与成本,并保障了作业人员安全。     

基于行波电流的接触网故障原因辨识研究

针对已安装行波监测终端的铁路牵引网输电线路,对故障跳闸时刻行波特征量进行提取,利用已知故障跳闸巡线原因进行特征量分类,创建基于故障行波的故障原因数据库,将采集到的故障时刻行波与其对比,从而对接触网故障进行原因辨识,当接触网故障重合闸不成功时,可指导接触网运维部门进行重合闸操作,以保障接触网安全运行。