| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 概述 | 第8页 |
| 1.2 选题的背景及意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.3.1 声发射检测技术应用于铁路系统中的研究现状 | 第9-10页 |
| 1.3.2 局部均值分解法的研究现状 | 第10-11页 |
| 1.3.3 支持向量机的研究现状 | 第11-12页 |
| 1.4 课题来源以及本文所研究的内容 | 第12-14页 |
| 1.4.1 课题的来源 | 第12页 |
| 1.4.2 论文的主要研究内容 | 第12-14页 |
| 第二章 理论基础 | 第14-34页 |
| 2.1 局部均值分解法(LMD) | 第14-17页 |
| 2.1.1 LMD算法原理 | 第14-17页 |
| 2.1.2 LMD方法的不足与改进 | 第17页 |
| 2.2 时间序列模型 | 第17-22页 |
| 2.2.1 时间序列模型定义 | 第17-19页 |
| 2.2.2 AR模型滞后阶数选择准则 | 第19-20页 |
| 2.2.3 AR模型参数估计方法 | 第20-22页 |
| 2.3 支持向量机(SVM) | 第22-30页 |
| 2.3.1 支持向量机最优分类面 | 第22-27页 |
| 2.3.2 SVM核函数选择 | 第27-28页 |
| 2.3.3 SVM的多分类算法 | 第28-30页 |
| 2.4 SVM参数寻优 | 第30-33页 |
| 2.4.1 网格搜索法 | 第31页 |
| 2.4.2 遗传算法 | 第31-32页 |
| 2.4.3 粒子群算法 | 第32-33页 |
| 本章小结 | 第33-34页 |
| 第三章 车轴疲劳裂纹故障诊断流程与车轴声发射实验 | 第34-40页 |
| 3.1 车轴疲劳裂纹故障诊断流程 | 第34-35页 |
| 3.2 车轴疲劳裂纹声发射实验 | 第35-39页 |
| 3.2.1 车轴疲劳裂纹声发射检测流程 | 第36页 |
| 3.2.2 实验材料与实验设置 | 第36-38页 |
| 3.2.3 实验数据采集 | 第38-39页 |
| 本章小结 | 第39-40页 |
| 第四章 基于LMD和SVM的车轴疲劳裂纹声发射信号识别研究 | 第40-65页 |
| 4.1 基于LMD与AR模型提取车轴疲劳裂纹声发射信号特征 | 第40-48页 |
| 4.1.1 数据选取 | 第40-42页 |
| 4.1.2 基于LMD与AR模型提取车轴声发射信号特征 | 第42-48页 |
| 4.2 基于SVM的车轴声发射信号识别 | 第48-55页 |
| 4.2.1 数据预处理 | 第49-52页 |
| 4.2.2 不同核函数的识别准确率 | 第52页 |
| 4.2.3 径向基核函数的SVM分类识别 | 第52-55页 |
| 4.3 SVM参数寻优 | 第55-63页 |
| 4.3.1 基于网格搜索法参数寻优SVM的车轴声发射信号识别 | 第56-58页 |
| 4.3.2 基于遗传算法参数寻优SVM的车轴声发射信号识别 | 第58-60页 |
| 4.3.3 基于粒子群算法参数寻优SVM的车轴声发射信号识别 | 第60-63页 |
| 4.3.4 三种方法对比 | 第63页 |
| 本章小结 | 第63-65页 |
| 结论和展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |
