| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第11-17页 |
| 1.1 选题背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本论文研究的主要内容 | 第15-16页 |
| 1.4 论文预期成果及目标 | 第16-17页 |
| 2 中国标准动车组转向架构架、车体载荷、动应力测试 | 第17-27页 |
| 2.1 载荷测试方法 | 第18-20页 |
| 2.2 动应力测试方法 | 第20-21页 |
| 2.3 实验设备及线路条件 | 第21-22页 |
| 2.4 信号前处理方法 | 第22-25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 信号小波去噪 | 第27-37页 |
| 3.1 离散小波变换 | 第27-29页 |
| 3.2 振动信号模拟方法 | 第29-30页 |
| 3.3 小波基函数选择 | 第30-32页 |
| 3.4 阈值获取函数选择 | 第32-35页 |
| 3.5 本章小结 | 第35-37页 |
| 4 典型运用工况信号特征提取 | 第37-77页 |
| 4.1 信号特征提取方法建立 | 第37-43页 |
| 4.1.1 小波包分解 | 第37-39页 |
| 4.1.2 连续小波变换 | 第39-41页 |
| 4.1.3 Hilbert-Huang变换 | 第41-43页 |
| 4.2 不同工况信号特征提取 | 第43-70页 |
| 4.2.1 道岔工况 | 第43-54页 |
| 4.2.2 制动工况 | 第54-62页 |
| 4.2.3 交会、隧道工况 | 第62-66页 |
| 4.2.4 速度级工况 | 第66-70页 |
| 4.3 曲线参数识别 | 第70-75页 |
| 4.4 本章小结 | 第75-77页 |
| 5 BP神经网络工况识别 | 第77-93页 |
| 5.1 特征向量建立 | 第77-83页 |
| 5.2 BP神经网络设计 | 第83-85页 |
| 5.3 粒子群算法优化 | 第85-89页 |
| 5.4 工况识别结果 | 第89-92页 |
| 5.5 本章小结 | 第92-93页 |
| 6 结论与展望 | 第93-95页 |
| 6.1 结论 | 第93页 |
| 6.2 展望 | 第93-95页 |
| 参考文献 | 第95-99页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第99-103页 |
| 学位论文数据集 | 第103页 |