| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-13页 |
| ·论文的选题背景和研究意义 | 第8-9页 |
| ·论文的研究背景 | 第8页 |
| ·论文的研究意义 | 第8-9页 |
| ·钢轨磨耗研究的国内外发展现状 | 第9-10页 |
| ·钢轨磨耗研究的国外发展现状 | 第9-10页 |
| ·钢轨磨耗研究的国内发展现状 | 第10页 |
| ·论文的主要研究内容 | 第10-13页 |
| 2 钢轨磨耗数据概述及影响因素分析 | 第13-22页 |
| ·钢轨磨耗概述 | 第13-16页 |
| ·钢轨构成 | 第13页 |
| ·磨耗数据组成 | 第13-14页 |
| ·数据分析和预测主要研究对象 | 第14-15页 |
| ·磨耗超限数据 | 第15-16页 |
| ·钢轨磨耗因素分析 | 第16-21页 |
| ·磨耗产生过程 | 第16页 |
| ·轮轨摩擦因素分析 | 第16-17页 |
| ·轮轨接触关系和接触应力 | 第17-18页 |
| ·轮轨蠕滑 | 第18页 |
| ·列车行驶线路参数 | 第18-19页 |
| ·运营条件 | 第19-20页 |
| ·磨耗影响参数总结 | 第20-21页 |
| ·小结 | 第21-22页 |
| 3 基于单类支持向量机的磨耗数据分析 | 第22-30页 |
| ·磨耗数据分类问题 | 第22页 |
| ·支持向量机方法概述 | 第22-25页 |
| ·基于单类支持向量机的磨耗数据分析 | 第25-28页 |
| ·基于单类支持向量机的磨耗数据分析模型建立 | 第25-26页 |
| ·基于单类支持向量机的磨耗数据分析过程 | 第26-28页 |
| ·基于单类支持向量机的磨耗数据分析仿真 | 第28-29页 |
| ·小结 | 第29-30页 |
| 4 基于 RBF 模糊神经网络的钢轨磨耗预测研究 | 第30-39页 |
| ·RBF 模糊神经网络概述 | 第30-32页 |
| ·模糊神经网络理论 | 第30-31页 |
| ·RBF 模糊神经网络描述 | 第31-32页 |
| ·基于 RBF 模糊神经网络的钢轨磨耗预测 | 第32-35页 |
| ·基于 RBF 模糊神经网络的钢轨磨耗预测建模 | 第32-34页 |
| ·钢轨磨耗预测的 RBF 模糊神经网络的学习算法 | 第34-35页 |
| ·基于 RBF 模糊神经网络的钢轨磨耗预测流程 | 第35页 |
| ·基于 RBF 模糊神经网络的钢轨磨耗预测仿真与分析 | 第35-38页 |
| ·小结 | 第38-39页 |
| 5 基于小波分析和 PSO-LSSVM 组合算法的钢轨磨耗预测研究 | 第39-53页 |
| ·小波分析和 PSO-LSSVM 组合算法概述 | 第39-42页 |
| ·粒子群优化最小二乘支持向量机 | 第39-41页 |
| ·小波分析理论 | 第41-42页 |
| ·基于小波分析和 PSO-LSSVM 组合算法的钢轨磨耗预测 | 第42-47页 |
| ·预测模型建立 | 第42-43页 |
| ·小波分解过程 | 第43-44页 |
| ·粒子群优化最小二乘支持向量机过程 | 第44-45页 |
| ·小波重构过程 | 第45-46页 |
| ·基于组合算法的钢轨磨耗预测流程 | 第46-47页 |
| ·基于组合算法的仿真与分析 | 第47-51页 |
| ·预测方法仿真结果对比分析 | 第51-52页 |
| ·小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 攻读学位期间的研究成果 | 第57页 |
