| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 故障诊断 | 第10-12页 |
| 1.2.2 大数据 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 车辆-轨道耦合动力学仿真 | 第16-40页 |
| 2.1 轨道不平顺模拟 | 第16-27页 |
| 2.1.1 轨道不平顺概念与分类 | 第16-17页 |
| 2.1.2 轨道不平顺谱 | 第17-21页 |
| 2.1.3 局部不平顺激扰 | 第21-24页 |
| 2.1.4 轨道不平顺模拟方法 | 第24页 |
| 2.1.5 轨道不平顺模拟方法 | 第24-27页 |
| 2.2 车辆-轨道耦合动力学仿真 | 第27-39页 |
| 2.2.1 物理模型 | 第27-28页 |
| 2.2.2 数学模型 | 第28-34页 |
| 2.2.3 模型求解 | 第34-35页 |
| 2.2.4 仿真系统实现与测试分析 | 第35-39页 |
| 本章小结 | 第39-40页 |
| 第三章 故障特征提取与故障判别 | 第40-61页 |
| 3.1 故障特征提取 | 第40-44页 |
| 3.1.1 窗口傅里叶变换法 | 第40-41页 |
| 3.1.2 小波分析方法 | 第41页 |
| 3.1.3 希尔伯特-黄变换 | 第41-44页 |
| 3.2 故障分类模型 | 第44-47页 |
| 3.2.1 常见分类方法 | 第44-46页 |
| 3.2.2 卷积神经网络 | 第46-47页 |
| 3.3 基于希尔伯特黄变换与卷积神经网络的列车故障识别方法实现 | 第47-57页 |
| 3.3.1 列车振动响应模态特征提取 | 第47-53页 |
| 3.3.2 构建分类模型 | 第53-55页 |
| 3.3.3 模型训练与测试 | 第55-57页 |
| 3.3.4 模型验证 | 第57页 |
| 3.4 系统优化加速 | 第57-60页 |
| 本章小结 | 第60-61页 |
| 第四章 基于云计算的故障检测系统设计 | 第61-82页 |
| 4.1 云计算技术简介 | 第61-62页 |
| 4.2 系统架构设计 | 第62-64页 |
| 4.2.1 物理结构 | 第62-63页 |
| 4.2.2 逻辑结构 | 第63-64页 |
| 4.3 用户接口设计与功能实现 | 第64-66页 |
| 4.3.1 后台部分 | 第64-66页 |
| 4.3.2 前台部分 | 第66页 |
| 4.4 数据表与数据结构设计 | 第66-72页 |
| 4.4.1 数据表设计 | 第66-71页 |
| 4.4.2 数据存储设计 | 第71-72页 |
| 4.5 封装与部署 | 第72-81页 |
| 本章小结 | 第81-82页 |
| 第五章 结论与展望 | 第82-84页 |
| 参考文献 | 第84-87页 |
| 攻读硕士学位期间发表的学术论文 | 第87-88页 |
| 致谢 | 第88页 |