사회 진보 및 경제 발전에 따르면 사람들의 출행을 점점 잦아지면서 도시 인구들 간의 왕래도 밀접하고 있습니다. 고속열차의 건설 및 발전은 사람들의 출행 시간을 만족할 뿐만아니라 승차 환경도 만족했다. 현재, 고속열차는 중국 장려한 명편을 되고 있으며 중국 속도의 상징였다. 2022년 12월 말까지 중국 운영하고 있는 고속 열차는 4000량이상, 운영이정은 40000KM 초과, 최고 시속은 350km/h, 년 승객 적재량 10억을 넘었다. 고속열차 안전 운행을 위해 많고 복잡한 궤도교통시스템을 어떻게 스마트하게 운영되야 하나 우리 연구해야 된 과제이다.
현재 우리 나라 고속열차의 운영방식은 정기적으로 수선한다. 이에 "수선부족" 및 " 수선과잉" 을 일으킨다. 운영 상태 안전을 확보하는 새로운 PHM기술은 수선 방식의 전환을 상징이다. 장비신뢰성, 안전성을 향상시키고 전체 수명 주기의 유지 보수 비용을 줄이는 핵심 방법이다. 본문은 빅테이터, PHM기술, 추리산법모형을 용합하여, PHM기술을 기초로 고속열차 중요 파트에 고장자동예측 이론과 방법을 연구한다. HSMM와 DBN 신법을 기초로 고속열차의 중요 파트의 고장예측, 잉여 수명예측 및 고급수선예측방법을 주요 연구한다. 본문은 이하 4개 부분을 포함한다.
제1부분, 논문은 주요 PHM기술을 진술했고 현재 고속열차 고장예측에 존재했던 문제, 관련 이론체계 및 연구방법 설명한다. 그리고 고속열차 고장데이터 특성을 맞춘 예측모형산법을 제출한다. 극한학습기, 서포르벡터머신 , 은닉세미마코프모텔 , 신경망, 심도학습등 산법을 주요 설명했고, 고속열차 중요 부품의 필요성에 따라 산번 성능의 장단점을 대비한다. 이에 PHM기술을 사용하여 고속열차 PHM 플랫폼을 구축한다.
제2부분, 고속열차의 데이터 특성을 결합하여 빅데이터구조를 이용해, 그 다음에 PHM기술을 용합하며 연구 및 응용한다. Hadoop로 데이터 취합, 처리, 저정, 계산, 분석 후 기술을 탐구한다. 빅데이터와 PHM기술을 결합하여 고속열차 데이터 시스템에 응용하려고 한다. 산법모형최적화와 데이터수집기술을 통해 예전에 고장 데이터 시스템에서 규칙을 찾아, 고속열차관리부서에게 고정 및 수선계획에 데이터 분석을 제공한다.
제3부분, 고속열차의 기어박스로 연구 대상을 한다. 고정 샘플링 간에 기어박스 조기 고장예측의 방법을 제출한다. 기어박스 상태의 감축을 통해 시역동기평균과 벡벡터자동원복모형을 이용하여 원래의 데이터를 예비 처리한다. 다원베이즈관리도로 기어박스 퇴화 데이터를 구축하고 EM산법으로 모르는 모형파라미터를 추측을 통해 기어박스의 고정을 빠르게 검측할 구 있다.기어박스의 사용주기 예측 방면에 보면, HSMM(Erlang)로 예측된 사용수명는 다른 예측방법에 비해 더 실값을 접근한다. 이에 HSMM예측방법의 유효성을 증명한다.
제4부분, 고속열차 고급 수선 계획 중 운행 이정 예상지 못한 문제에 대해 EMD와 최적화심도학습의 이정예측산법을 제출한다. EMD 시간서열 파라미터와 DBN 예측모형을 최적화하여 이정 예측결과를 계산한다. 이에 고급 수선시간청의 예측을 달성된다.고속열차 3년의 운행 데이터를 샘플링하여, 샘플 주기가 예측 결과에 영향을 분석해 이정 예측 모형의 샘플 주기를 확인한다. 연구 결과에 따르면, 전통적인 예측 방법에 비해 본문의 예측 방범은 MSE는 23.9%이상, MAE는 22%이상, RMSE는 12.7이상울 낮추었다.
본문은 고속열차의 안전운영 및 고정수리 2개 부분을 나누어 박사 논문 연구를 시작한다. 전공 및 취업 분야 현황을 결합하여 빅테이터와 PHM기술을 깊게 설명했고 PHM기술 및 인공지능산법기술을 통해 빅데이터 플렛폼을 구축했다. 고속열차 실제 운영 데이터 및 상황을 통해 위에 기술의 유효성을 검증했다. 본문은 이미지 87장, 표 29개, 유도공식 86종,침고문헌 135편을 이용했다.