| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 论文研究的背景与意义 | 第10-11页 |
| 1.2 机车故障诊断技术的国内外发展现状 | 第11-12页 |
| 1.3 机车故障诊断的国内外现状 | 第12-13页 |
| 1.4 论文的主要研究内容 | 第13-15页 |
| 2 机车控制电源移相全桥变换器的结构与工作原理 | 第15-26页 |
| 2.1 机车控制电源的基础理论 | 第15-16页 |
| 2.2 机车控制电源主电路结构与工作过程分析 | 第16-23页 |
| 2.2.1 移相全桥变换器的工作原理 | 第16-21页 |
| 2.2.2 移相全桥变换器电路特性分析 | 第21-23页 |
| 2.3 移相全桥变换器的仿真与故障分析 | 第23-25页 |
| 2.4 小结 | 第25-26页 |
| 3 基于小波包神经网络的故障诊断 | 第26-43页 |
| 3.1 小波变换的理论基础 | 第26-27页 |
| 3.2 基于小波包的数据特征值提取 | 第27-33页 |
| 3.2.1 小波包理论基础 | 第27-30页 |
| 3.2.2 基于小波包变换的“能量－故障”诊断 | 第30-31页 |
| 3.2.3 故障信号分解与数据特征值提取 | 第31-33页 |
| 3.3 基于BP神经网络的故障诊断方法 | 第33-38页 |
| 3.3.1 神经网络的概述 | 第33-36页 |
| 3.3.2 BP神经网络 | 第36-38页 |
| 3.4 故障编码表与神经网络的仿真分析 | 第38-42页 |
| 3.5 小结 | 第42-43页 |
| 4 基于流形学习算法的数据降维 | 第43-56页 |
| 4.1 流形学习的概念与理论 | 第43-45页 |
| 4.2 常见的流形学习算法与主要应用 | 第45-51页 |
| 4.2.1 常见的流形学习算法理论 | 第45-50页 |
| 4.2.2 流形学习算法的主要应用 | 第50-51页 |
| 4.3 数据降维与故障诊断的仿真分析 | 第51-54页 |
| 4.4 小结 | 第54-56页 |
| 5 LE算法邻域选择及本征维数估计问题研究 | 第56-63页 |
| 5.1 基于马氏距离的拉普拉斯映射算法 | 第56-58页 |
| 5.2 基于分形理论关联维数本征维数的估计 | 第58-60页 |
| 5.2.1 分形理论的概述 | 第58页 |
| 5.2.2 关联维数的定义 | 第58-59页 |
| 5.2.3 本征维数的估计 | 第59-60页 |
| 5.3 基于马氏距离与关联维数的降维在故障诊断中的应用 | 第60-62页 |
| 5.4 小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录A 以能量为元素的部分特征向量 | 第69-75页 |
| 附录B 降维前故障检测结果 | 第75-76页 |
| 附录C 降维后故障检测结果 | 第76-77页 |
| 附录D 故障检测最终结果 | 第77-78页 |
| 攻读学位期间的研究成果 | 第78页 |