动车组制动控制系统故障诊断方法研究
致谢 | 第1-6页 |
中文摘要 | 第6-8页 |
ABSTRACT | 第8-14页 |
1 绪论 | 第14-32页 |
·课题的研究背景和意义 | 第14-15页 |
·动车组制动控制系统组成 | 第15-20页 |
·制动控制装置工作原理 | 第16-18页 |
·动车组制动控制系统常见故障 | 第18-20页 |
·制动控制系统故障诊断研究现状及存在的问题 | 第20-28页 |
·故障特征提取技术 | 第20-21页 |
·故障诊断方法 | 第21-24页 |
·智能故障诊断系统 | 第24-27页 |
·存在的问题 | 第27-28页 |
·主要研究内容 | 第28-30页 |
·制动控制单元的故障特征提取和诊断方法研究 | 第28-29页 |
·传感器的故障特征提取和诊断方法研究 | 第29-30页 |
·课题来源及论文结构安排 | 第30-32页 |
2 故障特征提取技术与故障诊断方法 | 第32-58页 |
·主成分分析法 | 第32-33页 |
·数学形态学方法 | 第33-38页 |
·数学形态学的基本原理 | 第33-34页 |
·信号仿真分析 | 第34-38页 |
·小波包能量熵方法 | 第38-40页 |
·集成经验模态分解方法 | 第40-45页 |
·经验模态分解 | 第40-42页 |
·集成经验模态分解 | 第42-45页 |
·最小二乘支持向量机的原理及结构参数优化方法 | 第45-48页 |
·最小二乘支持向量机的原理 | 第45-47页 |
·最小二乘支持向量机结构参数优化方法 | 第47页 |
·遗传算法 | 第47页 |
·模拟退火算法 | 第47-48页 |
·粒子群算法 | 第48页 |
·最小二乘支持向量机的多分类方法 | 第48-57页 |
·一对多的多分类法 | 第49页 |
·一对一的多分类法 | 第49-50页 |
·纠错输出编码的多分类法 | 第50-51页 |
·有向无环图的多分类法 | 第51-52页 |
·二叉树结构的多分类法 | 第52-53页 |
·基于改进最优二叉树的多分类法 | 第53-55页 |
·不同多分类方法性能比较 | 第55-57页 |
·本章小结 | 第57-58页 |
3 制动控制系统关键设备故障特征提取技术 | 第58-80页 |
·制动控制单元模拟电路故障特征提取技术 | 第58页 |
·实验仿真实例 | 第58-67页 |
·基于有效采样点的故障特征提取 | 第60-61页 |
·基于主成分分析的故障特征提取 | 第61-62页 |
·基于小波包能量熵的故障特征提取 | 第62-65页 |
·基于形态学-小波包能量熵的故障特征提取 | 第65-66页 |
·不同故障特征提取方法诊断结果比较 | 第66-67页 |
·制动控制单元监测回路故障特征提取 | 第67-68页 |
·传感器故障特征提取技术 | 第68-78页 |
·基于小波包能量熵的故障特征提取 | 第71-72页 |
·基于EMD-能量熵的故障特征提取 | 第72-75页 |
·基于EEMD-能量熵的故障特征提取 | 第75-78页 |
·不同故障特征提取方法诊断结果比较 | 第78页 |
·本章小结 | 第78-80页 |
4 基于最小二乘支持向量机的故障诊断方法 | 第80-106页 |
·最小二乘支持向量机核函数的选择 | 第80-82页 |
·最小二乘支持向量机结构参数优化 | 第82-87页 |
·粒子群优化算法 | 第82-83页 |
·混沌粒子群优化算法 | 第83-85页 |
·多群体协同进化粒子群优化算法 | 第85-86页 |
·多群体协同混沌粒子群优化算法 | 第86-87页 |
·优化结果及分析 | 第87-99页 |
·标准测试函数 | 第88-97页 |
·多分类测试 | 第97-99页 |
·制动控制单元模拟电路故障诊断 | 第99-103页 |
·故障诊断模型 | 第100-102页 |
·故障诊断结果分析 | 第102-103页 |
·传感器故障诊断 | 第103-105页 |
·本章小结 | 第105-106页 |
5 系统设计与试验 | 第106-122页 |
·测试与诊断系统的总体架构 | 第106页 |
·系统硬件结构 | 第106-109页 |
·主控制器及板卡选型 | 第106-108页 |
·电流传感器选型 | 第108-109页 |
·系统软件开发流程 | 第109-112页 |
·实验结果及分析 | 第112-121页 |
·制动控制单元故障诊断测试 | 第112-116页 |
·制动控制单元模拟电路故障诊断 | 第116-121页 |
·本章小结 | 第121-122页 |
6 工作总结与研究展望 | 第122-124页 |
·全文总结及主要创新点 | 第122-123页 |
·工作展望 | 第123-124页 |
参考文献 | 第124-134页 |
作者简历 | 第134-138页 |
学位论文数据集 | 第138页 |