首页--交通运输论文--铁路运输论文--车辆工程论文--车辆运用、保养与检修论文

基于多维度特征融合和GBDT增强分类的列车制动系统故障诊断

致谢第5-6页
摘要第6-7页
ABSTRACT第7-8页
1 绪论第12-19页
    1.1 研究背景及意义第12-14页
    1.2 国内外研究现状第14-17页
    1.3 本文的研究内容第17-18页
    1.4 本文的组织结构第18-19页
2 相关理论基础第19-30页
    2.1 时间序列相关概念第19-21页
        2.1.1 时间序列第19-20页
        2.1.2 时间序列挖掘第20-21页
    2.2 基于小波包的信号分析第21-23页
        2.2.1 小波包定义第22-23页
        2.2.2 小波包分析分解与重构第23页
    2.3 特征融合第23-25页
        2.3.1 特征选择第23-25页
        2.3.2 特征降维第25页
    2.4 分类模型及其增强策略第25-29页
        2.4.1 决策树第26-27页
        2.4.2 随机森林第27-28页
        2.4.3 梯度提升决策树第28-29页
    2.5 本章小结第29-30页
3 制动系统故障诊断模型及算法第30-42页
    3.1 制动系统及其数据描述第30-31页
    3.2 问题建模第31-35页
        3.2.1 多元时间序列建模第31-32页
        3.2.2 制动系统故障模式分析第32-33页
        3.2.3 故障诊断模型构建第33-35页
    3.3 故障特征提取第35-38页
        3.3.1 时域特征提取第35-36页
        3.3.2 频域特征提取第36页
        3.3.3 小波包分解特征提取第36-37页
        3.3.4 相关性特征提取第37-38页
    3.4 故障特征融合第38页
    3.5 模型训练与诊断算法第38-40页
    3.6 本章小结第40-42页
4 实验及结果分析第42-52页
    4.1 实验数据处理第42-44页
        4.1.1 数据描述第42-43页
        4.1.2 数据预处理第43-44页
    4.2 实验环境第44页
    4.3 实验及结果分析第44-51页
        4.3.1 实验评价指标第44-45页
        4.3.2 特征提取及特征融合实验结果第45-48页
        4.3.3 特征融合前后实验对比第48-50页
        4.3.4 不同模型实验结果对比第50-51页
    4.4 本章小结第51-52页
5 制动系统故障诊断原型系统第52-58页
    5.1 系统架构设计第52-53页
    5.2 原型系统的设计与实现第53-57页
        5.2.1 开发环境第53-54页
        5.2.2 数据库表结构设计第54-55页
        5.2.3 故障诊断系统功能展示第55-57页
    5.3 本章小结第57-58页
6 总结与展望第58-60页
    6.1 工作总结第58-59页
    6.2 研究展望第59-60页
参考文献第60-63页
作者简历及攻读硕士学位期间取得的研究成果第63-65页
学位论文数据集第65页

论文共65页,点击 下载论文
上一篇:基于城市轨道交通网络的P&R选址方法及模型
下一篇:高铁货运班列货类选择及货运量预测研究