随着我国铁路行业飞速的发展,与铁路相关的数据量更是呈现出了爆炸性增长的趋势,传统的数据维护和处理的手段,已经无法满足铁路行业的需求。如何将云计算、大数据等新型信息技术运用到我国铁路列车检修领域,促进铁路列车检修行业的发展,成为了未来我国铁路列车检修行业发展的重要方向。现今各大列车维修站段的检修相关数据的存储系统之间相互隔离,数据集成和共享力度很弱,缺乏统一数据管理的平台,技术层面上仍旧使用传统数据库、数据处理技术,数据处理的时效性和可用性不强,对于大数据的应用和深层次分析缺乏专用技术及工具支撑,数据的挖掘和利用仅停留在初级阶段。并且随着我国列车运营数量的不断增多,列车检修站段的工作量也与日俱增,这对于检修站段的检修能力和工作效率也提出了更高的要求,如何提高检修站段的能力和效率是推动列车检修行业发展的核心问题。针对上述问题,本文提出了一整套可应用于列车检修站段的大数据平台的方案,主要工作和创新在于:(1)针对站段中多类智能检修设备的多类型数据的采集和存储,提出了一种特殊的配置和传输机制,使得平台能够兼容和实时的采集多种设备的多类型数据,并且实现多种类型数据的分流传输和分类存储。(2)结合大数据技术,平台可为检修相关数据的挖掘和分析提供技术及工具支撑,弥补了传统维修行业对于数据分析仅限于普通统计手段的缺陷,使得数据能够得到深层次的挖掘和利用并且为管理者提供基于数据挖掘的应用功能。(3)针对空心轴探伤机的探伤工作特点,提出了一种基于聚类算法的探伤机工作状态匹配模型,提高了站段对于探伤机工作状态的把控能力和监测的准确性。(4)针对空心轴探伤机探伤工作流程的优化,提出了一种基于机器学习算法的探伤机的工作结果预测模型,通过对探伤结果的预测优化工作流程,提高了探伤机检修工作的效率。本文首先对铁路维修领域的发展和目前的现状进行了调研,并总结出了铁路维修领域对大数据技术和“智慧工厂”引入的迫切需求。其次,针对铁路维修领域大数据应用的需求和客观条件,设计和搭建了一整套大数据平台架构。然后,结合平台,对空心轴探伤机进行了工作状态模型和工作结果预测模型的设计和验证。之后,对平台进行了功能测试和性能测试,保证了平台的可用性和稳定性,确保平台的性能足够满足目前列车检修行业对平台的需求。最后,总结全文,明确了论文中需要加强和完善的地方,并且为今后的研究方向提出了初步设想。