动车组PHM故障模型及管理研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 文献综述 | 第12-16页 |
| 1.2.1 大数据技术研究现状 | 第13-14页 |
| 1.2.2 PHM技术研究现状 | 第14-15页 |
| 1.2.3 动车组PHM研究现状 | 第15-16页 |
| 1.3 研究内容及思路 | 第16-18页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 研究思路 | 第16-18页 |
| 1.4 本章小结 | 第18-19页 |
| 2 动车组PHM数据处理框架 | 第19-36页 |
| 2.1 动车组PHM源数据分析 | 第19-22页 |
| 2.1.1 源数据特点 | 第19-20页 |
| 2.1.2 源数据分类 | 第20-21页 |
| 2.1.3 数据分析实例 | 第21-22页 |
| 2.2 动车组PHM数据处理框架 | 第22-35页 |
| 2.2.1 数据处理架构 | 第22-24页 |
| 2.2.2 数据处理框架 | 第24-25页 |
| 2.2.3 流式计算组件 | 第25-30页 |
| 2.2.4 数据处理方法 | 第30-33页 |
| 2.2.5 处理框架应用 | 第33-35页 |
| 2.3 本章小结 | 第35-36页 |
| 3 动车组PHM故障模型研究 | 第36-48页 |
| 3.1 牵引电机故障预测模型 | 第36-43页 |
| 3.1.1 对象选取 | 第36页 |
| 3.1.2 数据选取 | 第36-38页 |
| 3.1.3 算法选择 | 第38-40页 |
| 3.1.4 模型构建 | 第40-42页 |
| 3.1.5 应用实例 | 第42-43页 |
| 3.2 牵引电机故障诊断模型 | 第43-47页 |
| 3.2.1 对象选取 | 第43页 |
| 3.2.2 算法选择 | 第43-44页 |
| 3.2.3 模型构建 | 第44-45页 |
| 3.2.4 应用实例 | 第45-47页 |
| 3.3 本章小结 | 第47-48页 |
| 4 动车组PHM故障模型管理及应用 | 第48-60页 |
| 4.1 异构模型管理 | 第48-52页 |
| 4.1.1 模型接入 | 第48-49页 |
| 4.1.2 模型验证 | 第49-50页 |
| 4.1.3 模型管理 | 第50-52页 |
| 4.2 异构模型部署 | 第52-58页 |
| 4.2.1 Docker | 第52-54页 |
| 4.2.2 Kubernetes | 第54-55页 |
| 4.2.3 模型部署 | 第55-58页 |
| 4.3 模型运维常见问题 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 5 动车组PHM模型管理平台设计 | 第60-70页 |
| 5.1 建设目标 | 第60页 |
| 5.2 系统设计 | 第60-65页 |
| 5.2.1 总体架构 | 第60-61页 |
| 5.2.2 逻辑架构 | 第61-62页 |
| 5.2.3 技术架构 | 第62-64页 |
| 5.2.4 功能架构 | 第64-65页 |
| 5.3 功能实现 | 第65-69页 |
| 5.4 本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-73页 |
| 6.1 研究结论 | 第70页 |
| 6.2 研究展望 | 第70-73页 |
| 参考文献 | 第73-76页 |
| 作者简历及攻读硕士学位期间取得的科研成果 | 第76-77页 |
| 学位论文数据集 | 第77页 |
