| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·选题的背景与意义 | 第11-12页 |
| ·故障诊断概述 | 第12-15页 |
| ·故障诊断基本研究内容 | 第12-13页 |
| ·故障诊断技术发展概况 | 第13-15页 |
| ·城轨列车悬挂系统故障诊断研究概况 | 第15-16页 |
| ·本论文研究内容及论文结构 | 第16-18页 |
| 第二章 列车悬挂系统仿真及其故障特征提取 | 第18-23页 |
| ·列车悬挂系统组成及其功能 | 第18-19页 |
| ·车辆悬挂系统的弹簧和阻尼故障 | 第19-20页 |
| ·数据获取和故障特征计算 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于支持向量机的故障分离方法 | 第23-34页 |
| ·支持向量机概述 | 第23-24页 |
| ·支持向量机算法研究 | 第24-28页 |
| ·二元分类 | 第24-27页 |
| ·多元分类 | 第27-28页 |
| ·应用支持向量机技术对悬挂系统进行故障分离 | 第28-32页 |
| ·积分后的数据 | 第28-30页 |
| ·故障特征值 | 第30-31页 |
| ·支持向量机故障分离 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 基于模糊极小极大神经网络的故障分离方法 | 第34-51页 |
| ·模糊极小极大神经网络概述 | 第34-37页 |
| ·模糊极小极大神经网络算法研究 | 第37-41页 |
| ·模糊极小极大神经网络的结构 | 第37-39页 |
| ·模糊极小极大神经网络的学习算法 | 第39-41页 |
| ·模糊极小极大神经网络的规则提取 | 第41-45页 |
| ·产生开放超盒 | 第41页 |
| ·进化超盒 | 第41-43页 |
| ·提取模糊规则 | 第43页 |
| ·网络剪枝 | 第43-44页 |
| ·使用欧氏距离和隶属函数 | 第44-45页 |
| ·应用模糊极小极大神经网络技术对悬挂系统进行故障分离 | 第45-50页 |
| ·积分后的数据 | 第45-47页 |
| ·故障特征值 | 第47-48页 |
| ·模糊极小极大神经网络故障分离 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 悬挂系统故障诊断的工程实现 | 第51-68页 |
| ·车载故障诊断系统构架 | 第51-52页 |
| ·故障诊断系统模块 | 第52-54页 |
| ·系统软件配置 | 第54页 |
| ·程序及数据结构说明 | 第54-61页 |
| ·数据分析 | 第61-65页 |
| ·加速度数据 | 第61-64页 |
| ·特征数据 | 第64-65页 |
| ·故障分离方法的应用 | 第65-67页 |
| ·基于支持向量机的故障分离方法 | 第66页 |
| ·基于模糊极小极大神经网络的故障分离方法 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结论及展望 | 第68-70页 |
| ·工作总结 | 第68页 |
| ·研究展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 作者简历 | 第75-77页 |
| 学位论文数据集 | 第77页 |