接触网是电气化铁道的主要供电设备,也是最容易发生问题的设备之一。为了保证行车安全,必须对接触网进行定期的检测和维护,使其处于良好的运营状态。 接触网检测车是目前电气化铁路最常用的检测设备,是利用微型计算机对接触网的几何参数及电气参数进行自动检测的重要设施。其数据处理系统可以对传感器信号进行采样、变送,并把实时检测数据存储下来而作进一步处理。 对高速电气化铁路接触网,硬点的检测是十分重要的。找到硬点和其它检测参数间的关系,对接触网状况的评估及机车的高速平稳运行会有很大帮助。本文利用数据挖掘技术对这一问题进行了深入的研究。 数据挖掘技术是当今智能系统理论和技术的重要研究内容,它综合运用了人工智能、神经网络、模式识别、数理统计等先进技术从大量数据中挖掘和发现有价值和隐含的知识,因而近年来得到国内外极大重视和研究。 本文主要研究的是把数据挖掘技术运用于接触网检测数据中。首先对原始数据进行预处理,为数据挖掘做准备;然后使用聚类方法对检测数据按空间位置进行分类,得到聚类结果,并进行仿真验证;最后对每一类数据进行线性回归,从而得到接触网检测参数的数学模型。 使用新数据对模型进行检验。结果证明了该方法的可行性。