| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 无损检测技术 | 第10-11页 |
| 1.3 金属磁记忆检测技术 | 第11-15页 |
| 1.3.1 金属磁记忆检测技术的提出 | 第11-12页 |
| 1.3.2 金属磁记忆原理 | 第12-13页 |
| 1.3.3 金属磁记忆检测技术 | 第13-15页 |
| 1.4 国内外研究现状 | 第15-16页 |
| 1.4.1 国外研究现状 | 第15页 |
| 1.4.2 国内的研究现状 | 第15-16页 |
| 1.5 论文主要内容安排 | 第16-17页 |
| 第2章 基于自适应提升小波的高铁轮对漏磁信号研究 | 第17-24页 |
| 2.1 小波分析理论 | 第17-20页 |
| 2.1.1 傅立叶变换 | 第17-18页 |
| 2.1.2 连续小波变换 | 第18页 |
| 2.1.3 离散小波变换 | 第18-19页 |
| 2.1.4 小波基的选择 | 第19页 |
| 2.1.5 小波消噪技术 | 第19-20页 |
| 2.1.6 小波分析与去噪方法 | 第20页 |
| 2.1.7 第二代小波 | 第20页 |
| 2.2 自适应提升小波 | 第20-22页 |
| 2.2.1 自适应提升小波基本原理 | 第20-21页 |
| 2.2.2 基于LMS自适应算法的提升小波 | 第21-22页 |
| 2.3 基于自适应提升小波的高铁轮对漏磁信号研究 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于自适应提升小波的HHT变换的高铁轮对故障研究 | 第24-30页 |
| 3.1 HHT基本理论 | 第24-25页 |
| 3.1.1 瞬时频率 | 第24页 |
| 3.1.2 固有模态函数IMF | 第24页 |
| 3.1.3 经验模式分解EMD | 第24-25页 |
| 3.1.4 Hilbert谱 | 第25页 |
| 3.2 二次提升小波和HHT变换相结合 | 第25-26页 |
| 3.3 基于自适应提升小波的HHT变换的高铁轮对早期漏磁信号的仿真实验 | 第26-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于支持向量机的高铁轮对早期故障的诊断研究 | 第30-47页 |
| 4.1 故障诊断算法 | 第30-33页 |
| 4.1.1 信号处理技术 | 第30-32页 |
| 4.1.2 智能故障诊断方法 | 第32-33页 |
| 4.2 支持向量机理论 | 第33-38页 |
| 4.2.1 统计学习基本理论 | 第33-34页 |
| 4.2.2 支持向量分类机 | 第34-36页 |
| 4.2.3 支持向量回归机 | 第36-38页 |
| 4.2.4 支持向量 | 第38页 |
| 4.3 支持向量机的建立 | 第38-40页 |
| 4.3.1 训练集的选择 | 第38-39页 |
| 4.3.2 训练特征的选择 | 第39页 |
| 4.3.3 核函数的选择 | 第39-40页 |
| 4.3.4 模型参数的选择 | 第40页 |
| 4.4 LibSVM工具箱 | 第40-42页 |
| 4.5 基于支持向量机的高铁轮对早期故障漏磁信号的故障模型 | 第42-46页 |
| 4.5.1 基于支持向量机融合算法的故障特征建模 | 第42-43页 |
| 4.5.2 基于支持向量机融合算法的故障特征建模实验与分析 | 第43-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 总结及展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间所开展的科研项目和发表的学术论文 | 第52页 |
