致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 引言 | 第12-20页 |
1.1 研究背景及意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-17页 |
1.2.1 可靠性分析方法研究现状 | 第13-15页 |
1.2.2 制动系统可靠性研究现状 | 第15页 |
1.2.3 贝叶斯网络的应用 | 第15-17页 |
1.3 研究内容和结构安排 | 第17-20页 |
1.3.1 研究思路及技术路线 | 第17-19页 |
1.3.2 研究内容 | 第19-20页 |
2 地铁列车制动系统故障分析 | 第20-34页 |
2.1 地铁列车制动系统概述 | 第20-25页 |
2.1.1 地铁列车制动系统特点 | 第20页 |
2.1.2 制动系统组成 | 第20-21页 |
2.1.3 下一代地铁列车制动系统概述 | 第21-25页 |
2.2 下一代地铁列车制动系统故障模式分析 | 第25-27页 |
2.2.1 制动控制系统 | 第25-26页 |
2.2.2 基础制动装置 | 第26页 |
2.2.3 风源系统 | 第26-27页 |
2.3 可靠性理论基础 | 第27-28页 |
2.4 制动系统故障树模型 | 第28-33页 |
2.4.1 故障树模型 | 第28-29页 |
2.4.2 故障树的建立 | 第29-30页 |
2.4.3 下一代地铁列车制动系统故障树模型的建立 | 第30-33页 |
2.5 本章小结 | 第33-34页 |
3 贝叶斯网络可靠性分析方法的研究 | 第34-46页 |
3.1 贝叶斯网络基本理论 | 第34-42页 |
3.1.1 贝叶斯网络的概率论基础 | 第34-35页 |
3.1.2 贝叶斯网络的定义 | 第35-36页 |
3.1.3 贝叶斯网络的学习 | 第36-39页 |
3.1.4 贝叶斯网络的推理 | 第39-42页 |
3.2 动态贝叶斯网络 | 第42-44页 |
3.2.1 动态贝叶斯网络的定义 | 第42-43页 |
3.2.2 动态贝叶斯网络的学习 | 第43-44页 |
3.2.3 动态贝叶斯网络的推理 | 第44页 |
3.3 贝叶斯网络的技术优势 | 第44-45页 |
3.4 本章小结 | 第45-46页 |
4 基于贝叶斯网络地铁列车制动系统可靠性分析 | 第46-68页 |
4.1 故障树-贝叶斯网络的转化建模方法 | 第46-56页 |
4.1.1 故障树转化的基本规则 | 第46-48页 |
4.1.2 故障树转化假设条件的扩展 | 第48-54页 |
4.1.3 多重串联系统的转化扩展方法 | 第54-56页 |
4.2 地铁列车制动系统可靠性分析模型的建立 | 第56-59页 |
4.2.1 贝叶斯网络应用软件简介 | 第56页 |
4.2.2 贝叶斯网络的构建 | 第56-58页 |
4.2.3 贝叶斯网络模型的赋值 | 第58-59页 |
4.3 地铁列车制动系统可靠性分析 | 第59-67页 |
4.3.1 制动系统可靠度计算 | 第59-60页 |
4.3.2 制动系统贝叶斯网络模型的参数学习 | 第60-63页 |
4.3.3 制动系统贝叶斯网络模型的推理 | 第63-67页 |
4.4 本章小结 | 第67-68页 |
5 考虑维修因素的制动系统可靠性分析 | 第68-84页 |
5.1 故障树-动态贝叶斯网络的转化建模方法 | 第68-70页 |
5.2 基于动态贝叶斯网络的制动系统可靠性分析 | 第70-77页 |
5.2.1 制动系统动态贝叶斯网络的构建 | 第70-72页 |
5.2.2 考虑维修因素的制动系统可靠性分析 | 第72-77页 |
5.3 制动系统动态贝叶斯网络的推理 | 第77-79页 |
5.4 基于贝叶斯网络推理结果的制动系统可靠性分配 | 第79-80页 |
5.5 基于关键部件可靠度的预防性维修周期制定 | 第80-82页 |
5.5.1 维修方式的划分 | 第80-81页 |
5.5.2 制定维修策略的关键因素 | 第81页 |
5.5.3 给定可靠度下维修费用率最小制定预防性维修周期 | 第81-82页 |
5.6 本章小结 | 第82-84页 |
6 结论与展望 | 第84-88页 |
6.1 工作总结以及主要创新点 | 第84-85页 |
6.2 未来研究展望 | 第85-88页 |
参考文献 | 第88-92页 |
附录A | 第92-96页 |
附录B | 第96-100页 |
作者简历及攻读硕士/博士学位期间取得的研究成果 | 第100-104页 |
学位论文数据集 | 第104页 |