基于关联规则的高铁列控车载设备故障诊断方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 故障诊断方法综述 | 第12-14页 |
| 1.2.2 列控系统故障诊断方法综述 | 第14-15页 |
| 1.2.3 高铁故障数据的不均衡性 | 第15-17页 |
| 1.3 论文主要内容及结构 | 第17-19页 |
| 2 高铁车载设备及其故障诊断原理 | 第19-31页 |
| 2.1 车载设备组成 | 第19-22页 |
| 2.2 车载设备故障模式 | 第22-24页 |
| 2.3 车载设备故障数据及其特点分析 | 第24-25页 |
| 2.4 车载设备故障诊断方案及评估方法 | 第25-30页 |
| 2.4.1 故障诊断方案 | 第25-26页 |
| 2.4.2 模型评估方法 | 第26-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 高铁车载设备故障特征提取方法 | 第31-43页 |
| 3.1 故障数据的文本挖掘方法 | 第31-33页 |
| 3.1.1 文本特征提取原理 | 第31-32页 |
| 3.1.2 影响特征提取效果的因素 | 第32-33页 |
| 3.2 基于TF-IDF的文本特征提取方法 | 第33-35页 |
| 3.2.1 TF-IDF基本概念 | 第33-34页 |
| 3.2.2 TF-IDF计算示例 | 第34-35页 |
| 3.3 车载设备的故障数据特征提取 | 第35-42页 |
| 3.3.1 特征提取步骤 | 第36-37页 |
| 3.3.2 文本向量化 | 第37-40页 |
| 3.3.3 权重值离散化 | 第40-41页 |
| 3.3.4 特征属性约简 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 基于关联规则的高铁车载设备故障诊断方法 | 第43-59页 |
| 4.1 车载设备故障诊断方法 | 第43-46页 |
| 4.1.1 基于数据挖掘的故障诊断方法 | 第43-44页 |
| 4.1.2 常用数据挖掘方法比较 | 第44-46页 |
| 4.2 故障诊断关键算法选择 | 第46-53页 |
| 4.2.1 FP-Growth关联规则算法 | 第47-49页 |
| 4.2.2 FP-Growth算法过程分析 | 第49-53页 |
| 4.3 车载设备故障诊断模型 | 第53-56页 |
| 4.4 本章小结 | 第56-59页 |
| 5 实验验证及分析 | 第59-77页 |
| 5.1 车载设备故障诊断方法验证 | 第59-61页 |
| 5.2 实验结果及分析 | 第61-69页 |
| 5.3 故障诊断系统设计与实现 | 第69-76页 |
| 5.3.1 故障诊断系统功能设计 | 第69-70页 |
| 5.3.2 故障诊断系统平台实现 | 第70-76页 |
| 5.4 本章小结 | 第76-77页 |
| 6 结论与展望 | 第77-79页 |
| 6.1 结论 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 图索引 | 第83-85页 |
| 表索引 | 第85-87页 |
| 术语表 | 第87-89页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第89-93页 |
| 学位论文数据集 | 第93页 |
