高速列车制动模型建模与验证方法研究
| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内国外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 研究内容与章节安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 制动模型算法研究 | 第16-36页 |
| 2.1 制动模型相关参数 | 第16-22页 |
| 2.1.1 制动建立相关延时 | 第16-18页 |
| 2.1.2 制动减速度模型 | 第18-19页 |
| 2.1.3 测速测距误差 | 第19-21页 |
| 2.1.4 最限速度曲线和顶棚监控参数 | 第21-22页 |
| 2.1.5 回转质量系数 | 第22页 |
| 2.2 制动模型及监督曲线算法 | 第22-32页 |
| 2.2.1 概述 | 第23-25页 |
| 2.2.2 紧急制动模型 | 第25-30页 |
| 2.2.3 最大常用制动模型 | 第30-31页 |
| 2.2.4 提示功能曲线 | 第31-32页 |
| 2.3 特殊场景分析 | 第32-34页 |
| 2.3.1 限速区段 | 第32-33页 |
| 2.3.2 制动受限区段 | 第33-34页 |
| 2.4 本章小结 | 第34-36页 |
| 3 模型参数辨识与与参数随机性影响分析 | 第36-68页 |
| 3.1 基于神经网络方法的参数辨识理论 | 第36-42页 |
| 3.1.1 神经元基本模型 | 第36-38页 |
| 3.1.2 激活函数 | 第38-39页 |
| 3.1.3 人工神经网络的结构 | 第39-41页 |
| 3.1.4 学习方式 | 第41页 |
| 3.1.5 BP神经网络 | 第41-42页 |
| 3.2 制动模型参数辨识 | 第42-47页 |
| 3.2.1 神经网络模型建立 | 第43-44页 |
| 3.2.2 网络学习 | 第44-46页 |
| 3.2.3 网络性能测试 | 第46-47页 |
| 3.3 参数随机性分析理论 | 第47-54页 |
| 3.3.1 系统基本结构模型 | 第49-50页 |
| 3.3.2 常用的随机分布模型 | 第50-51页 |
| 3.3.3 基于蒙特卡洛方法的随机参数分析 | 第51-54页 |
| 3.4 减速度模型中参数随机性影响分析 | 第54-63页 |
| 3.4.1 均匀间隔减速度模型算例分析 | 第56-60页 |
| 3.4.2 非均匀间隔减速度模型算例分析 | 第60-63页 |
| 3.5 制动模型中参数随机性影响分析 | 第63-66页 |
| 3.6 本章小结 | 第66-68页 |
| 4 制动模型算法实现与实际验证 | 第68-84页 |
| 4.1 控车曲线算法实现 | 第68-71页 |
| 4.2 实际验证举例 | 第71-83页 |
| 4.2.1 平坡常规场景验证 | 第71-78页 |
| 4.2.2 大幅度上、下坡区段验证 | 第78-81页 |
| 4.2.3 粘着降低区段的制动模型验证 | 第81-83页 |
| 4.3 本章小结 | 第83-84页 |
| 5 结论 | 第84-86页 |
| 5.1 论文工作总结 | 第84页 |
| 5.2 未来工作展望 | 第84-86页 |
| 参考文献 | 第86-88页 |
| 图索引 | 第88-90页 |
| 表索引 | 第90-92页 |
| 作者简历 | 第92-96页 |
| 学位论文数据集 | 第96页 |
