| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 地铁车致振动研究现状 | 第10-12页 |
| 1.2.2 BSS技术研究现状 | 第12-13页 |
| 1.2.3 ANN在结构健康监测领域的研究现状 | 第13-15页 |
| 1.2.4 时间序列研究现状 | 第15-17页 |
| 1.3 本文的主要研究内容 | 第17-18页 |
| 第2章 基于ICA的地铁振动数据分离原理阐述及流程设计 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 快速独立成分分析的数学原理 | 第18-22页 |
| 2.3 ICA前提条件验证 | 第22-25页 |
| 2.4 ICA流程设计 | 第25-30页 |
| 2.4.1 带通滤波器组设计 | 第25-27页 |
| 2.4.2 FastICA程序运行 | 第27-29页 |
| 2.4.3 归一化切割谱聚类 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于BP神经网络聚类的数据分离验证 | 第32-45页 |
| 3.1 引言 | 第32页 |
| 3.2 神经网络基本理论 | 第32-39页 |
| 3.2.1 神经网络概述 | 第32-35页 |
| 3.2.2 神经网络模型构建 | 第35-36页 |
| 3.2.3 BP神经网络构建 | 第36-39页 |
| 3.2.4 BP神经网络工具箱 | 第39页 |
| 3.3 振动分类模型建立 | 第39-43页 |
| 3.3.1 振动数据归一化 | 第41-42页 |
| 3.3.2 梯度下降修正 | 第42页 |
| 3.3.3 变学习率学习算法 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 车致振动信号时间序列预测 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 时间序列预测基本理论 | 第45-50页 |
| 4.2.1 小波理论概述 | 第46-47页 |
| 4.2.2 小波神经网络概述 | 第47-50页 |
| 4.3 数据预处理 | 第50-55页 |
| 4.4 时间序列预测编程实现 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 某城市地铁环境振动数据盲源分离及时间序列预测算法验证 | 第57-82页 |
| 5.1 引言 | 第57页 |
| 5.2 某城市地铁振动监测项目概况 | 第57-61页 |
| 5.2.1 振动监测范围 | 第57-59页 |
| 5.2.2 监测内容 | 第59页 |
| 5.2.3 设备选型 | 第59-60页 |
| 5.2.4 测点布置 | 第60-61页 |
| 5.2.5 采集制度 | 第61页 |
| 5.3 算法过程分析及验证 | 第61-80页 |
| 5.3.1 振动时程信号的选取 | 第61-65页 |
| 5.3.2 FastICA分析算例 | 第65-69页 |
| 5.3.3 NCUT聚类算例 | 第69-77页 |
| 5.3.4 分离结果验证及评价 | 第77-79页 |
| 5.3.5 地铁车致振动信号时间序列预测算例 | 第79-80页 |
| 5.4 本章小结 | 第80-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 致谢 | 第89页 |