高速动车组智能运维信息处理技术与应用 / “十四五”高等学校新工科计算机类专业系列教材
￥56.00定价
作者： 张春
出版时间：2024-05
出版社：中国铁道出版社
- 中国铁道出版社
- 9787113307073
- 1版
- 531468
- 16开
- 2024-05
- 计算机及相关专业
- 本科 研究生及以上
作者简介
内容简介
本书是“十四五”高等学校新工科计算机类专业系列教材之一。本书运用IT 架构理论，从方法、模型、视图、实践等方面，论述我国高速动车组智能运维信息处理的有关内容。
本书以铁路智能信息处理技术为主线，由抽象到具体地论述了高速动车组智能运维信息处理技术的基本理论、方法和应用。全书分为七章，包括概论、数据和数据分析、高速动车组智能运维信息处理常用算法、大数据环境下的信息处理技术、面向高速动车组故障与健康状态分析的信息处理、面向高速动车组运维知识图谱构建的信息处理、高速动车组智能运维信息处理综合案例等。
本书适合作为高等学校“计算机科学与技术”专业“铁路信息技术”方向以及信息化专业本科课程的教材，也可作为铁路信息技术方向研究生教材，还可作为高速铁路信息化专业技术人员的参考书。
本书以铁路智能信息处理技术为主线，由抽象到具体地论述了高速动车组智能运维信息处理技术的基本理论、方法和应用。全书分为七章，包括概论、数据和数据分析、高速动车组智能运维信息处理常用算法、大数据环境下的信息处理技术、面向高速动车组故障与健康状态分析的信息处理、面向高速动车组运维知识图谱构建的信息处理、高速动车组智能运维信息处理综合案例等。
本书适合作为高等学校“计算机科学与技术”专业“铁路信息技术”方向以及信息化专业本科课程的教材，也可作为铁路信息技术方向研究生教材，还可作为高速铁路信息化专业技术人员的参考书。
目录
第一部分 基础理论和方法
第1章 概论2
1.1背景2
1.2基本概念4
1.3高速动车组智能运维信息处理技术发展历史、现状与趋势6
1.3.1高速动车组智能运维信息处理技术发展历史6
1.3.2高速动车组智能运维信息处理技术研究现状7
1.3.3高速动车组智能运维信息处理技术发展趋势10
小结11
习题12
第2章 数据和数据分析13
2.1数据概述14
2.2数据挖掘15
2.2.1跨行业数据挖掘标准流程15
2.2.2数据隐含信息16
2.3数据的全生命周期17
2.3.1数据全生命周期概述17
2.3.2数据全生命周期过程17
2.3.3数据全生命周期管理19
2.4数据科学19
2.4.1基本概念19
2.4.2数据科学家21
2.4.3数据科学如何改变企业22
2.4.4数据科学如何执行23
2.5高速动车组全生命周期数据24
2.5.1高速动车组全生命周期概述24
2.5.2高速动车组全生命周期产生的数据25
2.5.3高速动车组全生命周期数据管理27
2.5.4高速动车组数据质量28
2.5.5高速动车组运维数据分析30
2.5.6高速动车组全生命周期数据可视化分析33
小结35
习题35
第3章 高速动车组智能运维信息处理常用算法37
3.1监督学习38
3.1.1线性回归38
3.1.2决策树42
3.1.3随机森林48
3.1.4K近邻算法51
3.1.5逻辑回归53
3.1.6朴素贝叶斯58
3.1.7支持向量机61
3.2无监督学习65
3.2.1Apriori算法65
3.2.2Kmeans算法71
3.2.3用于数据压缩的降维75
3.3深度学习79
3.3.1现代深度学习的起源79
3.3.2循环神经网络81
3.3.3卷积神经网络86
3.3.4Transformer95
小结100
习题101
第4章 大数据环境下的信息处理技术102
4.1大数据信息处理面临的挑战103
4.1.1数据的规范性挑战103
4.1.2数据的海量性挑战103
4.2数据预处理技术104
4.2.1数据预处理概述104
4.2.2应对规范性挑战104
4.2.3应对海量性挑战109
4.2.4典型数据预处理算法110
4.2.5案例：基于序列模式挖掘算法的数据预处理113
4.3数据融合技术120
4.3.1传统数据融合120
4.3.2应对真实性挑战121
4.3.3应对海量性挑战127
4.3.4数据融合常见算法128
4.3.5案例：动车组全生命周期多源异构数据融合方法的研究与实现135
4.4大数据处理平台139
4.4.1MapReduce140
4.4.2共享内存并行编程142
4.4.3ApacheHadoop生态系统142
4.4.4Hadoop分布式文件系统143
4.4.5Spark143
4.4.6Kafka145
小结146
习题146
第二部分 高铁智能信息处理技术
第5章 面向高速动车组故障与健康状态分析的信息处理148
5.1动车组关键部件故障诊断技术149
5.1.1故障诊断概述149
5.1.2典型故障诊断方法149
5.1.3案例：数据驱动的牵引变流器逆变模块故障诊断150
5.2动车组关键部件健康状态评估技术155
5.2.1健康状态评估概述155
5.2.2典型评估方法155
5.2.3案例：动车组轴承健康状态评估156
5.3基于动车组监测数据的预测技术161
5.3.1数据预测模型概述161
5.3.2典型预测算法162
5.3.3案例：蓄电池寿命预测分析163
5.4关系关联分析技术169
5.4.1关系关联分析概述169
5.4.2案例：关系关联分析典型方法170
5.4.3动车组关键部件运维效率的关联关系分析170
小结175
习题175
第6章 面向高速动车组运维知识图谱构建的信息处理176
6.1知识图谱概述177
6.1.1知识图谱研究与应用178
6.1.2特定领域知识图谱180
6.2知识图谱关键技术181
6.2.1知识表示181
6.2.2知识抽取183
6.2.3知识融合184
6.2.4知识计算186
6.3高铁领域知识图谱构建187
6.3.1概述187
6.3.2模式层设计方法188
6.3.3数据获取与清洗190
6.3.4数据存储192
6.4高速铁路知识图谱应用与案例分析193
6.4.1背景193
6.4.2动车组在途故障处理知识图谱构建194
小结197
习题198
第三部分 应用案例集
第7章 高速动车组智能运维信息处理综合案例200
7.1轴箱轴承趋势分析方法201
7.1.1基于过程的趋势分析方法思想201
7.1.2基于过程的趋势分析方法实现201
7.2面向动车组蓄电池健康状态评估的研究与实现205
7.2.1电池数据预处理206
7.2.2电池荷电状态评估209
7.2.3电池剩余寿命预测210
7.3基于LSTM的动车组齿轮箱故障诊断方法的研究与实现212
7.3.1长短时记忆网络212
7.3.2改进的自适应粒子群算法215
7.3.3IAPSOLSTM故障诊断模型实现216
7.4面向高速动车组牵引电机轴承故障预警的研究217
7.4.1牵引电动机轴承温度预测及预警方法思考217
7.4.2牵引电机轴承温度预测及预警模型的实现218
7.5基于时序知识图谱的机电设备故障预测研究与实现222
7.5.1基于时序知识图谱的机电设备故障预测思想222
7.5.2基于时序知识图谱的机电设备故障预测实现223
7.6基于机电设备运维知识图谱的智能搜索技术研究与实现227
7.6.1结合用户特征的机电设备运维领域问答模型228
7.6.2机电设备运维智能搜索系统的实现229
7.7面向高铁运维领域的嵌入实体对齐技术研究与实现232
7.7.1牵引电机运维知识图谱模式层设计232
7.7.2融合文本表示和三元组表示的嵌入实体对齐模型235
7.7.3RGCN_align_Bert模型应用238
小结240
习题241
参考文献242
第1章 概论2
1.1背景2
1.2基本概念4
1.3高速动车组智能运维信息处理技术发展历史、现状与趋势6
1.3.1高速动车组智能运维信息处理技术发展历史6
1.3.2高速动车组智能运维信息处理技术研究现状7
1.3.3高速动车组智能运维信息处理技术发展趋势10
小结11
习题12
第2章 数据和数据分析13
2.1数据概述14
2.2数据挖掘15
2.2.1跨行业数据挖掘标准流程15
2.2.2数据隐含信息16
2.3数据的全生命周期17
2.3.1数据全生命周期概述17
2.3.2数据全生命周期过程17
2.3.3数据全生命周期管理19
2.4数据科学19
2.4.1基本概念19
2.4.2数据科学家21
2.4.3数据科学如何改变企业22
2.4.4数据科学如何执行23
2.5高速动车组全生命周期数据24
2.5.1高速动车组全生命周期概述24
2.5.2高速动车组全生命周期产生的数据25
2.5.3高速动车组全生命周期数据管理27
2.5.4高速动车组数据质量28
2.5.5高速动车组运维数据分析30
2.5.6高速动车组全生命周期数据可视化分析33
小结35
习题35
第3章 高速动车组智能运维信息处理常用算法37
3.1监督学习38
3.1.1线性回归38
3.1.2决策树42
3.1.3随机森林48
3.1.4K近邻算法51
3.1.5逻辑回归53
3.1.6朴素贝叶斯58
3.1.7支持向量机61
3.2无监督学习65
3.2.1Apriori算法65
3.2.2Kmeans算法71
3.2.3用于数据压缩的降维75
3.3深度学习79
3.3.1现代深度学习的起源79
3.3.2循环神经网络81
3.3.3卷积神经网络86
3.3.4Transformer95
小结100
习题101
第4章 大数据环境下的信息处理技术102
4.1大数据信息处理面临的挑战103
4.1.1数据的规范性挑战103
4.1.2数据的海量性挑战103
4.2数据预处理技术104
4.2.1数据预处理概述104
4.2.2应对规范性挑战104
4.2.3应对海量性挑战109
4.2.4典型数据预处理算法110
4.2.5案例：基于序列模式挖掘算法的数据预处理113
4.3数据融合技术120
4.3.1传统数据融合120
4.3.2应对真实性挑战121
4.3.3应对海量性挑战127
4.3.4数据融合常见算法128
4.3.5案例：动车组全生命周期多源异构数据融合方法的研究与实现135
4.4大数据处理平台139
4.4.1MapReduce140
4.4.2共享内存并行编程142
4.4.3ApacheHadoop生态系统142
4.4.4Hadoop分布式文件系统143
4.4.5Spark143
4.4.6Kafka145
小结146
习题146
第二部分 高铁智能信息处理技术
第5章 面向高速动车组故障与健康状态分析的信息处理148
5.1动车组关键部件故障诊断技术149
5.1.1故障诊断概述149
5.1.2典型故障诊断方法149
5.1.3案例：数据驱动的牵引变流器逆变模块故障诊断150
5.2动车组关键部件健康状态评估技术155
5.2.1健康状态评估概述155
5.2.2典型评估方法155
5.2.3案例：动车组轴承健康状态评估156
5.3基于动车组监测数据的预测技术161
5.3.1数据预测模型概述161
5.3.2典型预测算法162
5.3.3案例：蓄电池寿命预测分析163
5.4关系关联分析技术169
5.4.1关系关联分析概述169
5.4.2案例：关系关联分析典型方法170
5.4.3动车组关键部件运维效率的关联关系分析170
小结175
习题175
第6章 面向高速动车组运维知识图谱构建的信息处理176
6.1知识图谱概述177
6.1.1知识图谱研究与应用178
6.1.2特定领域知识图谱180
6.2知识图谱关键技术181
6.2.1知识表示181
6.2.2知识抽取183
6.2.3知识融合184
6.2.4知识计算186
6.3高铁领域知识图谱构建187
6.3.1概述187
6.3.2模式层设计方法188
6.3.3数据获取与清洗190
6.3.4数据存储192
6.4高速铁路知识图谱应用与案例分析193
6.4.1背景193
6.4.2动车组在途故障处理知识图谱构建194
小结197
习题198
第三部分 应用案例集
第7章 高速动车组智能运维信息处理综合案例200
7.1轴箱轴承趋势分析方法201
7.1.1基于过程的趋势分析方法思想201
7.1.2基于过程的趋势分析方法实现201
7.2面向动车组蓄电池健康状态评估的研究与实现205
7.2.1电池数据预处理206
7.2.2电池荷电状态评估209
7.2.3电池剩余寿命预测210
7.3基于LSTM的动车组齿轮箱故障诊断方法的研究与实现212
7.3.1长短时记忆网络212
7.3.2改进的自适应粒子群算法215
7.3.3IAPSOLSTM故障诊断模型实现216
7.4面向高速动车组牵引电机轴承故障预警的研究217
7.4.1牵引电动机轴承温度预测及预警方法思考217
7.4.2牵引电机轴承温度预测及预警模型的实现218
7.5基于时序知识图谱的机电设备故障预测研究与实现222
7.5.1基于时序知识图谱的机电设备故障预测思想222
7.5.2基于时序知识图谱的机电设备故障预测实现223
7.6基于机电设备运维知识图谱的智能搜索技术研究与实现227
7.6.1结合用户特征的机电设备运维领域问答模型228
7.6.2机电设备运维智能搜索系统的实现229
7.7面向高铁运维领域的嵌入实体对齐技术研究与实现232
7.7.1牵引电机运维知识图谱模式层设计232
7.7.2融合文本表示和三元组表示的嵌入实体对齐模型235
7.7.3RGCN_align_Bert模型应用238
小结240
习题241
参考文献242
