| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 振动数据修复的研究现状 | 第12-14页 |
| 1.2.2 道岔伤损特征提取的研究现状 | 第14-16页 |
| 1.2.3 道岔伤损识别的研究现状 | 第16页 |
| 1.3 论文主要内容与框架结构 | 第16-18页 |
| 第2章 基本原理 | 第18-29页 |
| 2.1 压缩感知基本理论 | 第18-21页 |
| 2.1.1 压缩感知原理 | 第18-19页 |
| 2.1.2 压缩感知重构算法 | 第19-21页 |
| 2.2 经验模态分解 | 第21-28页 |
| 2.2.1 EMD方法 | 第21-23页 |
| 2.2.2 EEMD方法 | 第23-26页 |
| 2.2.3 CEEMD方法 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 压缩感知框架下的道岔振动数据修复 | 第29-42页 |
| 3.1 道岔振动数据修复原理 | 第29-30页 |
| 3.2 基于KSVD的道岔振动数据修复 | 第30-33页 |
| 3.2.1 KSVD字典学习方法 | 第30-32页 |
| 3.2.2 观测矩阵构造及分析 | 第32-33页 |
| 3.2.3 重构算法分析 | 第33页 |
| 3.3 道岔振动数据修复评价指标 | 第33-35页 |
| 3.4 道岔振动数据修复步骤 | 第35页 |
| 3.5 实验分析 | 第35-41页 |
| 3.5.1 实验数据来源 | 第35-36页 |
| 3.5.2 道岔振动数据修复效果分析 | 第36-39页 |
| 3.5.3 不同修复方法对比分析 | 第39-40页 |
| 3.5.4 振动数据修复方法的鲁棒性分析 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于CEEMD奇异熵和LSSVM的高速道岔伤损识别 | 第42-60页 |
| 4.1 基于CEEMD的道岔振动信号分析 | 第42-45页 |
| 4.1.1 道岔振动信号CEEMD分析 | 第42-44页 |
| 4.1.2 有效IMF分量的筛选 | 第44-45页 |
| 4.2 IMF奇异熵特征分析 | 第45-49页 |
| 4.2.1 IMF奇异熵定义 | 第45-46页 |
| 4.2.2 奇异熵参数的确定 | 第46-47页 |
| 4.2.3 不同工况奇异熵特征分析 | 第47-49页 |
| 4.3 基于LSSVM道岔裂纹伤损分类器 | 第49-54页 |
| 4.3.1 LSSVM算法原理 | 第50-52页 |
| 4.3.2 LSSVM参数优化 | 第52-53页 |
| 4.3.3 基于LSSVM的分类方法 | 第53-54页 |
| 4.4 实验仿真分析 | 第54-58页 |
| 4.4.1 实验数据采集 | 第54-55页 |
| 4.4.2 单个测点和多测点融合的对比分析 | 第55-56页 |
| 4.4.3 不同方法的伤损识别分析 | 第56-58页 |
| 4.4.4 噪声对伤损识别效果的影响分析 | 第58页 |
| 4.5 本章小结 | 第58-60页 |
| 总结与展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士期间发表的论文及参与的科研项目 | 第68页 |