| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题的研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 轨道电路研究现状 | 第12-15页 |
| 1.2.2 轨道电路故障预测方法的研究现状 | 第15页 |
| 1.3 研究路线 | 第15-16页 |
| 1.4 论文主要内容 | 第16-18页 |
| 第2章 基础理论 | 第18-30页 |
| 2.1 轨道电路 | 第18-22页 |
| 2.1.1 轨道电路基本组成与功能 | 第18-20页 |
| 2.1.2 轨道电路技术条件 | 第20页 |
| 2.1.3 轨道电路常见故障 | 第20-22页 |
| 2.2 灰色系统理论 | 第22-26页 |
| 2.2.1 GM模型定义 | 第22-23页 |
| 2.2.2 GM(1,1)模型 | 第23-26页 |
| 2.3 神经网络 | 第26-29页 |
| 2.3.1 BP神经网络 | 第28页 |
| 2.3.2 小波神经网络 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于灰色理论和支持向量机的轨道电路故障预测 | 第30-49页 |
| 3.1 基于灰色理论的预测模型 | 第30-32页 |
| 3.1.1 模型建模条件 | 第30-31页 |
| 3.1.2 建立预测模型流程 | 第31-32页 |
| 3.2 基于SVR的预测模型 | 第32-35页 |
| 3.2.1 SVR算法原理 | 第33-34页 |
| 3.2.2 SVR参数优选 | 第34-35页 |
| 3.3 预测结果检验 | 第35-36页 |
| 3.4 仿真结果对比分析 | 第36-46页 |
| 3.4.1 数据来源 | 第36页 |
| 3.4.2 预测步长 | 第36-37页 |
| 3.4.3 正常数据仿真分析 | 第37-40页 |
| 3.4.4 异常数据仿真分析 | 第40-46页 |
| 3.5 故障预测案例分析 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于小波网络的轨道电路故障预测 | 第49-63页 |
| 4.1 轨道电路历史数据 | 第49-50页 |
| 4.2 构建小波网络模型 | 第50-57页 |
| 4.2.1 数据方案 | 第50-51页 |
| 4.2.2 网络结构 | 第51-53页 |
| 4.2.3 算法流程 | 第53-54页 |
| 4.2.4 参数优选 | 第54-57页 |
| 4.2.5 预测数据和误差分析 | 第57页 |
| 4.3 仿真结果对比分析 | 第57-60页 |
| 4.3.1 正常数据仿真 | 第57-59页 |
| 4.3.2 异常数据仿真 | 第59-60页 |
| 4.4 故障预测案例分析 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士期间发表的论文及参与的科研项目 | 第69页 |