云计算环境下的在线电磁钢轨探伤数据挖掘算法研究

摘要

近年来中国铁路飞速发展，铁路运输承载量增大，相应列车数量增多，且列车运行速度大幅提高，这对铁路的运行安全问题提出了更高的要求。保证行车安全的重要手段之一就是钢轨探伤工作。目前中国铁路钢轨探伤工作主要依靠人工探伤小车和大型探伤车相结合的模式进行，但这种工作模式只能在列车运行的空窗期进行作业，受列车运行时间限制且工作效率较低，面对当前高速化、密集化的列车运行尤其吃力。随着车载式在线电磁钢轨探伤方法的提出，探伤工作高速化发展成为可能。在正常运行的列车上安装在线电磁钢轨探伤仪器，可以在不占用轨道使用时间的同时，提高探伤的速度和效率。
　　本文在此背景下提出运用大数据、云计算等数据分析处理方法来处理车载式在线电磁钢轨探伤仪器产生的数据，并开发出数据管理平台，解决探伤数据的实时性、可视化等问题，进一步提高探伤工作的效率。
　　论文主要工作如下:
　　第一，首先介绍钢轨探伤的研究背景和研究意义，以及目前国内外钢轨探伤的设备发展情况。在此基础上介绍了探伤数据分析的研究意义和国内外现状，以及云计算在该领域的发展前景，阐明了云计算环境下在线电磁钢轨探伤数据挖掘分析的重要性。
　　第二，采用B/S架构搭建云端数据分析平台，在云服务器上进行数据的云存储，实现数据在云计算环境下的分析展示。首先选用了时序型和关系型两种数据库结合使用，避免数据量过大时数据库的存取压力，然后设计前端界面，实现平台的用户登录、权限管理、密码找回等基本功能，最重要的是实现了探伤数据的图形显示，最后使用有很好健壮性的java语言进行逻辑开发，连接前端页面和后台数据库。
　　第三，分析钢轨探伤的数据信息，先对现场采集的数据进行原始类型的划分，然后进行归一化、滤波去噪等数据预处理步骤，得到高质量的数据。再根据聚类、分类算法对数据的特征先进行损伤类型的划分，如裂缝型、三角坑型和内部损伤的分类。最后对同一类型的损伤采用聚类、分类算法进行损伤等级的划分，并根据分类效果比较各算法的性能。

目录

声明

致谢

摘要

1．1 钢轨探伤的背景和意义

1．2 钢轨探伤设备的发展现状

1．2．1 国内发展现状

1．2．2 国外发展现状

1．3 钢轨探伤数据分析的意义

1．4 钢轨探伤数据分析的现状

1．4．1 国内钢轨探伤数据分析现状

1．4．2 国外钢轨探伤数据分析现状

1．4．3 云计算在探伤数据分析中的发展前景与意义

1．5 论文结构内容及工作安排

2 在线电磁钢轨探伤数据分类算法理论

2．1 数据预处理

2．1．1 数据清洗

2．1．2 数据集成

2．1．3 数据转换

2．1．4 数据规约

2．2 探伤数据的聚类算法理论

2．2．1 基于模型的聚类分析算法

2．2．2 基于密度的聚类分析算法

2．2．3 基于约束的聚类分析算法

2．2．4 层析聚类分析算法

2．2．5 划分聚类分析算法

2．3 探伤数据的分类算法理论

2．3．1 决策树分类算法

2．3．2 SVM分类算法

2．3．3 贝叶斯分类算法

2．4 本章小结

3 在线电磁钢轨探伤数据分析云平台设计与实现

3．1 在线电磁钢轨探伤系统构成

3．2 数据分析云平台架构

3．2．1 平台架构的选取

3．2．2 B／S三层架构的应用

3．2．3 数据库设计

3．3 开发环境的配置

3．3．1 数据分析软件开发环境

3．3．2 数据库开发环境

3．4 在线电磁钢轨探伤数据分析云平台的实现

3．4．1 UI设计

3．4．2 用户权限设置

3．4．3 用户密码找回

3．4．4 数据的图形展示

3．5 本章小结

4 在线电磁钢轨探伤数据分析算法实现

4．1 数据预处理

4．1．1 原始数据的归类

4．1．2 数据归一化

4．1．3 数据滤波去噪

4．2 损伤类型的分类

4．2．1 K-均值聚类算法对损伤类型的分析

4．2．2 决策树分类算法对损伤类型的分析

4．2．3 SVM分类算法对损伤类型的分析

4．3 损伤程度的分类

4．3．1 K-均值聚类算法对损伤程度的分析

4．3．2 决策树分类算法对损伤程度的分析

4．3．3 SVM分类算法对损伤程度的分析

4．4 综合使用决策树算法和SVM算法进行两级分类

4．5 本章小结

5．1 论文总结

5．2 工作展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集