| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第14-33页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-29页 |
| 1.2.1 铁路运输设备技术状态管理技术现状 | 第16-21页 |
| 1.2.2 设备全寿命周期管理及状态监测与评价现状 | 第21-24页 |
| 1.2.3 大数据相关技术研究现状 | 第24-29页 |
| 1.3 研究内容和技术路线 | 第29-32页 |
| 1.3.1 研究内容 | 第29-30页 |
| 1.3.2 技术路线 | 第30-32页 |
| 1.4 论文组织结构 | 第32-33页 |
| 2 运输设备技术状态大数据平台需求建模 | 第33-54页 |
| 2.1 铁路运输设备技术状态特征分析 | 第33-35页 |
| 2.1.1 铁路运输设备分类 | 第33-34页 |
| 2.1.2 运输设备技术状态大数据特征 | 第34-35页 |
| 2.2 大数据平台需求分析 | 第35-40页 |
| 2.2.1 大数据平台总体需求 | 第35-36页 |
| 2.2.2 大数据平台业务应用需求 | 第36-39页 |
| 2.2.3 大数据平台支撑需求 | 第39-40页 |
| 2.3 主要业务流程分析 | 第40-44页 |
| 2.3.1 运输设备全寿命周期履历管理流程 | 第40-41页 |
| 2.3.2 运输设备状态故障监控及处理流程 | 第41-42页 |
| 2.3.3 运输设备状态监测与状态评价流程 | 第42-43页 |
| 2.3.4 大数据平台数据处理流程 | 第43-44页 |
| 2.4 基于UML与Petri网的平台需求建模 | 第44-53页 |
| 2.4.1 UML与Petri网概念 | 第44-47页 |
| 2.4.2 平台需求建模思路 | 第47-48页 |
| 2.4.3 平台需求UML建模 | 第48-50页 |
| 2.4.4 平台UML-PN需求模型 | 第50-52页 |
| 2.4.5 平台需求模型验证 | 第52-53页 |
| 2.5 本章小结 | 第53-54页 |
| 3 运输设备技术状态大数据平台总体架构 | 第54-71页 |
| 3.1 大数据体系架构参考模型 | 第54-60页 |
| 3.1.1 Apache大数据平台架构 | 第54-55页 |
| 3.1.2 Hadoop大数据系统架构 | 第55-57页 |
| 3.1.3 IBM大数据平台逻辑架构 | 第57-58页 |
| 3.1.4 大数据架构模型分析 | 第58-60页 |
| 3.2 运输设备技术状态大数据平台总体架构 | 第60-62页 |
| 3.3 运输设备技术状态大数据平台逻辑架构 | 第62-64页 |
| 3.4 运输设备技术状态大数据平台功能架构 | 第64-66页 |
| 3.5 运输设备技术状态大数据平台物理架构 | 第66-67页 |
| 3.6 运输设备技术状态大数据平台技术架构 | 第67-68页 |
| 3.7 运输设备技术状态大数据平台安全架构 | 第68-70页 |
| 3.8 本章小结 | 第70-71页 |
| 4 运输设备技术状态大数据平台构建方法 | 第71-108页 |
| 4.1 运输设备单元划分方法 | 第71-83页 |
| 4.1.1 单元划分现状分析 | 第71-72页 |
| 4.1.2 单元划分相关技术 | 第72-76页 |
| 4.1.3 运输设备单元划分原则 | 第76-77页 |
| 4.1.4 基于k-means的运输设备单元划分 | 第77-83页 |
| 4.2 运输设备技术状态大数据整合方法 | 第83-91页 |
| 4.2.1 数据整合现状分析 | 第83-84页 |
| 4.2.2 数据整合相关技术 | 第84-88页 |
| 4.2.3 运输设备技术状态大数据整合实现方法 | 第88-91页 |
| 4.3 运输设备技术状态大数据存储方法 | 第91-99页 |
| 4.3.1 大数据存储现状分析 | 第91-93页 |
| 4.3.2 大数据存储相关技术 | 第93-96页 |
| 4.3.3 运输设备技术状态大数据存储实现方法 | 第96-99页 |
| 4.4 运输设备技术状态大数据可视化方法 | 第99-107页 |
| 4.4.1 大数据可视化现状分析 | 第99-100页 |
| 4.4.2 大数据可视化展示相关技术 | 第100-104页 |
| 4.4.3 运输设备技术状态大数据可视化实现方法 | 第104-107页 |
| 4.5 本章小结 | 第107-108页 |
| 5 运输设备状态监测与状态评价模型 | 第108-130页 |
| 5.1 运输设备状态监测概念 | 第108-109页 |
| 5.2 基于大数据的车辆轴承状态监测 | 第109-117页 |
| 5.2.1 设备状态监测基本过程 | 第109-110页 |
| 5.2.2 铁路车辆热轴故障诊断概述 | 第110-111页 |
| 5.2.3 监测系统间轴承故障关联性分析 | 第111-114页 |
| 5.2.4 铁路车辆轴承大数据状态监测模型 | 第114-116页 |
| 5.2.5 铁路车辆轴承状态综合监测实验 | 第116-117页 |
| 5.3 运输设备状态评价理念 | 第117-118页 |
| 5.3.1 运输设备状态评价技术现状 | 第117页 |
| 5.3.2 运输设备状态评价研究思路 | 第117-118页 |
| 5.4 基于AHP的运输设备状态模糊评价模型 | 第118-125页 |
| 5.4.1 运输设备技术状态评价集 | 第118-119页 |
| 5.4.2 运输设备状态评价指标体系 | 第119-121页 |
| 5.4.3 基于劣化度的设备状态量化 | 第121-122页 |
| 5.4.4 基于AHP的设备状态参数权重计算 | 第122-124页 |
| 5.4.5 运输设备状态分层模糊综合评价 | 第124-125页 |
| 5.5 基于大数据的运输设备状态AHP模糊评价模型 | 第125-129页 |
| 5.6 本章小结 | 第129-130页 |
| 6 运输设备技术状态大数据平台设计与实现 | 第130-142页 |
| 6.1 运输设备技术状态大数据平台设计原则 | 第130-131页 |
| 6.2 运输设备技术状态大数据平台应用功能设计 | 第131-133页 |
| 6.3 运输设备技术状态大数据平台功能实现 | 第133-141页 |
| 6.3.1 大数据平台主数据及编码管理 | 第133-134页 |
| 6.3.2 运输设备全寿命周期履历管理 | 第134-136页 |
| 6.3.3 设备状态综合监测与状态评判 | 第136-138页 |
| 6.3.4 设备状态技术状态可视化展示 | 第138-141页 |
| 6.4 本章小结 | 第141-142页 |
| 7 结论与展望 | 第142-146页 |
| 7.1 结论 | 第142-143页 |
| 7.2 主要创新点 | 第143-144页 |
| 7.3 展望 | 第144-146页 |
| 参考文献 | 第146-151页 |
| 作者简历及科研成果 | 第151-153页 |
| 学位论文数据集 | 第153-154页 |
| 中文摘要 | 第154-163页 |