随着高铁的不断发展,高铁运行安全问题也越来越受到人们的重视。轴承作为高铁的关键零部件之一,其健康程度直接关系到整个列车的运行安全,及时诊断出有故障的轴承并采取处理措施,对保证列车安全运行具有重要意义。现有高铁轴承故障诊断的研究多是通过对轴温相关数据的建模分析以达到故障监测与诊断的目的,传统的研究方法主要基于小样本数据,而近年来部分学者研究发现高铁海量的运行数据对高铁故障诊断有巨大的价值,通过对海量的高铁运行数据进行挖掘和建模可以为轴温故障的监测与诊断提供更加准确、丰富的信息。由于传统的故障诊断系统和方法无法有效针对海量的高铁轴温数据进行故障建模和挖掘分析,因此如何有效的对海量的高铁轴温数据进行故障建模和诊断,是目前的研究亟待解决的问题。近年来大数据处理技术的发展为海量高铁轴温数据的故障建模问题提供了新的解决途径,但是目前故障诊断研究人员在对海量轴温数据进行故障诊断相关研究时仍然面临很大的技术挑战,具体表现于:1)大数据处理框架本身具有复杂的分布式特性,具有很高的技术使用门槛;2)在进行故障建模时需要在海量轴温时间序列数据中提取故障模式特征,时间序列模式检索是最常用的特征提取方法之一,但现有大数据处理框架缺少针对时间序列模式检索的分布式方案;3)现有大数据处理框架缺乏支持海量轴温数据进行故障建模的基础分布式算法,使得开发分布式故障诊断算法难度较高。因此为了能够辅助和支撑故障诊断研究人员进行海量高铁轴温数据的故障诊断相关的研究,降低故障诊断研究人员使用大数据处理技术进行轴温故障诊断相关研究的技术难度,急需研究面向海量高铁轴温数据的故障诊断支撑系统。本文依托国家自然科学基金重大项目课题“基于大数据和知识的高速列车信息控制系统故障建模理论与方法”开展研究,提出了面向海量高铁轴温数据的故障诊断支撑系统。本文的主要研究工作如下:（1）研究了国内外现有的列车故障诊断系统和方法以及大数据处理技术的发展现状。由于高铁轴温数据量大、维度高、更新速度快,具有明显的大数据特征,海量的高铁轴温数据对高铁故障诊断有巨大的价值,但是目前缺乏能够有效支撑海量高铁轴温数据的故障分析建模与诊断的系统,因此,本文提出了一种面向海量高铁轴温数据的故障诊断支撑系统,同时结合高铁轴温数据的特点以及轴温故障诊断面临的问题,对支撑系统的功能及分布式算法进行详细的需求分析。（2）根据需求分析对系统进行设计。按照模块化设计思想完成系统总体功能结构和系统总体架构设计。该系统主要由大数据基础支撑层、故障建模支撑层以及故障诊断支撑层组成。其中大数据基础支撑层提供高铁轴温大数据的基础管理功能,包括大数据存储、大数据查询和可视化功能;故障建模支撑层提供轴温故障特征提取功能,支持分布式的轴温时间序列检索方法以对海量轴温时间序列进行检索提取故障特征,为后续故障建模提供数据支持。故障诊断支撑层提供分布式故障诊断算法库,支撑故障诊断人员进行分布式故障诊断算法的研究和开发。（3）按照设计方案,以工业云平台为基础,采用Java开发语言、Scala开发语言、大数据处理框架Spark、Hadoop等完成了系统的开发。其中,利用Hadoop的分布式文件系统HDFS作为支撑平台的底层存储技术,解决了高速列车运行过程中产生的海量轴温数据的高可靠存储;采用Spark作为支撑平台的计算引擎,依赖于其内存计算的特性,能够有效完成海量数据的计算需求;利用Impala实现对存储在HDFS上的PB级大数据进行快速的查询检索,满足了海量高铁轴温数据的查询需求;采用Zeppelin设计系统的可视化功能模块,解决了高铁轴温数据的可视化问题。使用Spark平台设计了分布式的时间序列检索方法,针对计算节点之间数据关联性问题,采用数据冗余的解耦方式构建了分布式时间序列数据集,基于计算性能最优的考虑,通过计算过程的时间函数最小化,求解出分布式时间序列数据集元素的最佳长度。针对目前缺乏故障诊断分布式算法库的问题,在Spark平台基础上通过抽象现有的数据驱动的故障诊断算法,基于可复用、可扩展的思想设计并实现了分布式故障诊断算法库,帮助研究人员在基础支撑平台上进行海量高铁轴温数据的故障诊断建模研究。（4）该系统在流程工业综合自动化国家重点实验室工业云计算中心进行部署,分布式系统由云平台上的10个节点构成,首先对系统支撑平台的数据存储、数据查询及可视化基础功能进行了验证,然后使用高铁的轴温数据对分布式时间序列检索算法的一致性以及并行效率进行了测试,对分布式PCA故障建模算法以及分布式DPCA故障建模算法的并行加速效果进行了测试。实验结果表明本文提出的基础支撑平台的功能满足了设计需求,并且提出的分布式轴温时间序列相似性检索算法和分布式故障建模算法具有良好的并行加速性能,因此达到了系统的设计目的。