基于轮轨噪声的钢轨裂纹故障诊断算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第9-19页 |
| 1.1 课题背景及选题意义 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-17页 |
| 1.2.1 钢轨裂纹故障诊断的研究现状 | 第10-12页 |
| 1.2.2 轮轨噪声研究现状 | 第12-15页 |
| 1.2.3 智能检测算法的研究现状 | 第15-17页 |
| 1.3 主要内容及任务 | 第17-19页 |
| 2. 可行性实验及总体方案设计 | 第19-23页 |
| 2.1 钢轨裂纹故障检测可行性实验 | 第19-21页 |
| 2.1.1 钢轨裂纹故障缺陷设计 | 第19-20页 |
| 2.1.2 裂纹数据采集及实验结果 | 第20-21页 |
| 2.2 总体方案设计 | 第21-22页 |
| 2.2.1 采集平台搭建 | 第21页 |
| 2.2.2 故障诊断算法设计及实现 | 第21页 |
| 2.2.3 故障检测实验 | 第21-22页 |
| 2.2.4 本课题的技术路线 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 3. 信号采集实验平台设计 | 第23-37页 |
| 3.1 方案设计 | 第23-24页 |
| 3.2 传感器的选择 | 第24-27页 |
| 3.3 麦克风信号放大电路设计 | 第27-31页 |
| 3.4 数据采集硬件的选择 | 第31-33页 |
| 3.5 软件平台的选择 | 第33页 |
| 3.6 采集系统整体呈现 | 第33-35页 |
| 3.7 本章小结 | 第35-37页 |
| 4. 故障检测智能算法的设计与实现 | 第37-57页 |
| 4.1 基本遗传算法 | 第37-39页 |
| 4.2 基于种群熵和种群方差理论改进的遗传算法 | 第39-48页 |
| 4.2.1 改进算法的遗传操作 | 第40-42页 |
| 4.2.2 改进算法的基本流程 | 第42-44页 |
| 4.2.3 算法测试环境 | 第44页 |
| 4.2.4 算法性能测试 | 第44-48页 |
| 4.3 多种群的种群熵及种群方差遗传算法 | 第48-55页 |
| 4.3.1 改进算法的主要操作 | 第49页 |
| 4.3.2 改进算法的基本流程 | 第49-51页 |
| 4.3.3 算法性能测试 | 第51-55页 |
| 4.4 本章小结 | 第55-57页 |
| 5. 故障诊断实验与结果分析 | 第57-65页 |
| 5.1 实验条件及方法 | 第57-58页 |
| 5.1.1 实验条件 | 第57-58页 |
| 5.1.2 实验方法 | 第58页 |
| 5.2 结合小波包分解的故障诊断算法 | 第58-63页 |
| 5.2.1 小波包分解 | 第59-61页 |
| 5.2.2 基于时域和频域的代价函数设计 | 第61-63页 |
| 5.3 检测结果及分析 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 6. 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间取得的研究成果 | 第73页 |
