跟踪试验数据管理和分析系统研究

论文摘要

为了系统分析气候(温度、风沙、雨雪)、线路条件(无砟轨道、多隧道、多桥梁)、运用维护及不同运用里程(车轮磨耗等)对动车组服役性能的影响,拟以高速动车组为中心通过对关键系统的参数进行长期跟踪试验,掌握高速动车组在高速运行时的动态行为及其随服役时间变化而产生的参数变化趋势。本文针对跟踪试验的海量数据的管理和分析的关键技术进行研究,设计出一套基于HDF5文件格式的分层优势,Python语言的简单,灵活以及Delphi2007界面友好性,实用于高铁跟踪试验的数据处理系统。目的是能方便数据处理人员掌握高速动车组在高速运行时的动态行为及其随服役时间变化而产生的参数变化趋势,对关键系统的性能、可靠性及安全性问题进行研究,为优化高速列车设计及制定合理的检修维护周期提供依据,进而建立关键部件随服役时间变化的数据库等。论文首先对跟踪试验数据处理系统进行需求分析,介绍了国内外现有的海量数据管理和分析技术,和HDF5文件格式。确定跟踪试验关键技术中采用的策略。其次介绍数据管理技术和分析技术的实现。最后,根据软件在实际应用中遇到的问题,提出软件还需改进的地方。本文研究结果表明：基于HDF5文件格式的数据管理与分析系统在跟踪实验中的数据处理是可行的,它不仅对跟踪实验产生的海量数据起到了很好的管理作用,其集时域分析,频域分析,二次开发等功能于一身的特点,也方便了数据处理人员对数据的快速处理和处理报告,加快了速度。且Delphi的可视化开发环境,以及Python的简单易学,加快了开发人员的开发速度。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状和发展趋势
• 1.2.1 现有的海量数据管理技术
• 1.2.2 现有的数据分析技术水平及存在问题
• 1.3 本文主要工作
• 第2章 跟踪试验概述
• 2.1 跟踪试验的意义
• 2.2 跟踪试验的系统组成
• 2.3 跟踪试验的内容
• 2.3.1 跟踪监测
• 2.3.2 日常检查
• 2.3.3 分解检查
• 2.4 跟踪试验的对象
• 2.5 跟踪试验数据管理的难点
• 2.6 跟踪试验中数据分析及试验报告要求
• 2.6.1 跟踪试验的数据分析要求
• 2.6.2 跟踪试验的数据报告要求
• 2.7 本章小节
• 第3章 数据管理和分析的关键技术分析
• 3.1 需求分析
• 3.1.1 数据存储
• 3.1.2 数据查询
• 3.1.3 数据分析
• 3.2 数据管理和分析的关键技术分析
• 3.2.1 海量数据管理
• 3.2.2 跟踪试验数据的查找
• 3.2.3 跟踪试验数据的时空同步
• 3.2.4 数据书签
• 3.3 数据处理系统结构
• 3.3.1 存储模块功能
• 3.3.2 查询模块功能
• 3.3.3 分析模块功能
• 3.3.4 显示模块功能
• 3.3.5 脚本模块功能
• 3.4 用户界面设计
• 3.5 开发平台及HDF5数据格式介绍
• 3.5.1 开发平台Delphi2007简介
• 3.5.2 HDF5分层数据格式
• 3.6 本章小节
• 第4章 跟踪试验数据管理技术分析及实现
• 4.1 数据存储技术—HDF
• 4.1.1 HDF格式数据存储
• 4.1.2 HDF5文件的优势
• 4.1.3 HDF5文件的存储模型
• 4.2 跟踪试验中数据存储模型的建立
• 4.2.1 试验数据存储模型
• 4.2.2 数据存储模型的建立
• 4.3 跟踪试验HDF5存储模型的实现
• 4.3.1 HDF5接口文件
• 4.3.2 跟踪试验各种数据存储方式的设计
• 4.3.3 跟踪试验数据管理技术的实现
• 4.4 数据查询技术的实现
• 4.5 本章小节
• 第5章 数据分析技术的实现
• 5.1 概述
• 5.2 数据分析模块的设计
• 5.2.1 信号处理链
• 5.2.2 信号处理链的实现
• 5.2.3 数据时空同步的实现
• 5.3 二次开发平台的设计
• 5.3.1 概述
• 5.3.2 脚本语言
• 5.3.3 python脚本的接口函数
• 5.3.4 系统中嵌入脚本技术的实现
• 5.4 本章小节
• 第6章 数据处理系统的实际应用及优化
• 6.1 数据处理系统的界面
• 6.2 数据处理系统的应用
• 6.2.1 跟踪试验数据管理模块的实际应用
• 6.2.2 跟踪试验数据分析模块实际应用
• 6.3 数据处理系统在应用中的优化
• 6.4 本章小结
• 结论
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文