| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 课题研究目标、内容与方法 | 第14-15页 |
| 1.4 论文的组织安排 | 第15-17页 |
| 第2章 转向架结构与故障诊断决策模型 | 第17-27页 |
| 2.1 高速列车转向架关键部件 | 第17-18页 |
| 2.1.1 空气弹簧 | 第17-18页 |
| 2.1.2 横向减振器 | 第18页 |
| 2.1.3 抗蛇行减振器 | 第18页 |
| 2.2 高速列车转向架仿真数据 | 第18-21页 |
| 2.3 专家系统 | 第21-22页 |
| 2.4 故障诊断决策模型 | 第22-24页 |
| 2.4.1 模型的提出 | 第22-23页 |
| 2.4.2 数学描述 | 第23页 |
| 2.4.3 知识库的建立 | 第23-24页 |
| 2.5 分级决策问题 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 基于粒子群优化算法的支持向量机参数优化 | 第27-46页 |
| 3.1 支持向量机基本理论 | 第27-30页 |
| 3.1.1 最优超平面的构造 | 第27-29页 |
| 3.1.2 支持向量机分类算法的推导 | 第29-30页 |
| 3.2 标准粒子群优化算法 | 第30-37页 |
| 3.2.1 粒子群优化算法概述 | 第30-31页 |
| 3.2.2 粒子群优化算法原理 | 第31页 |
| 3.2.3 算法的数学描述 | 第31-32页 |
| 3.2.4 算法的优点与局限性 | 第32-33页 |
| 3.2.5 标准粒子群优化算法流程 | 第33-34页 |
| 3.2.6 算法参数 | 第34-35页 |
| 3.2.7 算法的收敛分析 | 第35-37页 |
| 3.3 粒子群优化算法的改进 | 第37-39页 |
| 3.3.1 惯性权重的优化 | 第37-38页 |
| 3.3.2 收缩因子χ | 第38-39页 |
| 3.4 支持向量机模型推广能力的评价方式 | 第39页 |
| 3.5 支持向量机的参数选择方法 | 第39-40页 |
| 3.5.1 网格搜索法优化SVM参数 | 第39-40页 |
| 3.5.2 粒子群优化算法优化SVM参数 | 第40页 |
| 3.6 实例测试分析 | 第40-44页 |
| 3.6.1 数据说明及核函数的选择 | 第40-41页 |
| 3.6.2 测试及分析 | 第41-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第4章 基于分级策略的列车转向架故障诊断 | 第46-58页 |
| 4.1 信号信息熵特征的计算 | 第46-49页 |
| 4.1.1 信息熵 | 第46页 |
| 4.1.2 奇异谱熵 | 第46-47页 |
| 4.1.3 功率谱熵 | 第47页 |
| 4.1.4 小波能量谱熵与小波空间特征熵 | 第47-49页 |
| 4.2 基于分级策略的转向架故障诊断框架 | 第49-51页 |
| 4.2.1 基于分级策略转向架故障诊断框架的模型设计 | 第49-50页 |
| 4.2.2 高速列车转向架安全性态估计的决策分析 | 第50-51页 |
| 4.3 列车转向架故障诊断 | 第51-57页 |
| 4.3.1 转向架原车的诊断 | 第51-54页 |
| 4.3.2 空气弹簧失效的诊断及定位 | 第54-56页 |
| 4.3.3 横向减振器故障与抗蛇行减振器故障的诊断 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66页 |