工务系统是高速铁路系统重要组成部分,其健康状况影响着高速列车运行的平稳性和安全性。我国高铁经过多年的运营实践,积累了大量的使用经验以及检测数据。传统的数据处理方法已无法满足分析大体量监测数据的需求。因此,如何利用大数据技术对高铁运营数据进行分析,找出检测数据与工务故障之间的联系,从而实现高铁工务故障的智能诊断,对高铁的安全运营具有着重要的意义。本文在总结国内外研究基础上,探索基于大数据技术的高铁工务故障诊断系统的设计与实现,以期为建立完善而综合的铁路大数据分析系统提供参考。本文依托中国铁路总公司科技研究开发计划重点课题“铁路运营安全关键技术研究——高速铁路运营安全理论与实践研究(课题编号:2015Z002)”开展具体研究工作:首先,基于对轨道不平顺及其仿真、车辆轨道耦合动力学仿真等技术的分析,运用与大数据相关框架兼容性更好的Python语言及其相关工具库,对上述仿真技术进行应用实践,建立车辆-轨道耦合动力学仿真系统,分析轨道病害所产生的激励对车辆振动的作用规律。然后,基于希尔伯特-黄变换法对仿真数据的模态特征进行提取,使用卷积神经网络对提取的特征图进行分类,判断其对应的工务故障,并基于Python语言及TensorFlow框架建立故障诊断系统;基于现场实测数据对系统进行该故障诊断系统进行测试,验证系统的有效性。第三,应用GPU计算对系统中的大规模矩阵运算进行优化加速,并基于Spark分布式计算框架对系统进行并行化处理,提升系统在大规模仿真与模型训练中的计算效率,节省计算时间。最后,设计并实现相应的用户应用和管理接口,基于云计算技术对车辆-轨道耦合动力学仿真、故障识别以及用户接口进行整合,并封装成系统镜像,实现计算资源的动态分配以及故障诊断系统的快速部署。