论文部分内容阅读
为高效评估高速列车运行状态,采用高速列车振动数据时域上的平均值、标准差、有效值等6种统计特征作为特征向量,对列车空气弹簧无气故障状态、列车横向减振器全拆故障状态、列车抗蛇形减振器全拆故障状态、列车正常运行状态进行表征,基于Hadoop平台结合并行化K近邻分类算法进行状态分类评估。实验结果证明,该方法能够很好地评估高速列车的故障状态,有效加快了大数据类问题的分析处理速度。