针对动车组故障预测与健康管理(Prognostics and Health Management,PHM)实时海量数据解析处理与模型计算问题,提出一种基于流计算的动车组PHM模型处理框架。首先分析动车组车载数据处理流程,然后基于Spark Streaming给出动车组PHM模型...针对动车组故障预测与健康管理(Prognostics and Health Management,PHM)实时海量数据解析处理与模型计算问题,提出一种基于流计算的动车组PHM模型处理框架。首先分析动车组车载数据处理流程,然后基于Spark Streaming给出动车组PHM模型处理的总体框架。针对实时海量数据解析处理,首先分析解析前的车载数据结构,定义解析后的车载数据结构,然后设计通用化数据解析组件,给出流计算实现方式。针对模型计算,详细给出PHM模型的形式化定义,包括模型的基本信息、输入、输出和逻辑主体等,根据此定义设计模型通用组件,实现模型的快速研发、高效计算和统一应用。通过动车组PHM系统的有效应用,证明了该框架可以很好地满足海量数据的实时计算需求。展开更多
文摘针对动车组故障预测与健康管理(Prognostics and Health Management,PHM)实时海量数据解析处理与模型计算问题,提出一种基于流计算的动车组PHM模型处理框架。首先分析动车组车载数据处理流程,然后基于Spark Streaming给出动车组PHM模型处理的总体框架。针对实时海量数据解析处理,首先分析解析前的车载数据结构,定义解析后的车载数据结构,然后设计通用化数据解析组件,给出流计算实现方式。针对模型计算,详细给出PHM模型的形式化定义,包括模型的基本信息、输入、输出和逻辑主体等,根据此定义设计模型通用组件,实现模型的快速研发、高效计算和统一应用。通过动车组PHM系统的有效应用,证明了该框架可以很好地满足海量数据的实时计算需求。
