| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-14页 |
| 2 25Hz相敏轨道电路基础理论与建模分析 | 第14-24页 |
| 2.1 25Hz相敏轨道电路的工作原理介绍 | 第14-15页 |
| 2.2 25Hz相敏轨道电路的常见故障分析 | 第15-17页 |
| 2.2.1 25Hz相敏轨道电路的基本工作状态 | 第15-16页 |
| 2.2.2 25Hz相敏轨道电路故障分析 | 第16-17页 |
| 2.3 25Hz相敏轨道电路的四端网络模型分析与参数计算 | 第17-21页 |
| 2.4 轨道区段特征模拟量分析计算 | 第21-22页 |
| 2.5 25Hz相敏轨道电路的故障诊断系统的总体方案设计 | 第22-23页 |
| 2.6 小结 | 第23-24页 |
| 3 蝙蝠优化算法 | 第24-39页 |
| 3.1 标准蝙蝠算法 | 第24-30页 |
| 3.1.1 蝙蝠优化算法基本思想 | 第24页 |
| 3.1.2 蝙蝠的回声定位行为 | 第24页 |
| 3.1.3 蝙蝠算法的基本步骤 | 第24-27页 |
| 3.1.4 蝙蝠优化算法特点 | 第27页 |
| 3.1.5 蝙蝠算法性能验证及结果分析 | 第27-30页 |
| 3.2 改进蝙蝠算法设计 | 第30-38页 |
| 3.2.1 混沌初始化种群 | 第30-32页 |
| 3.2.2 自适应惯性权重因子 | 第32-33页 |
| 3.2.3 自适应变异操作 | 第33-34页 |
| 3.2.4 改进蝙蝠算法求解流程 | 第34-36页 |
| 3.2.5 基于改进蝙蝠算法模型的求解与分析 | 第36-38页 |
| 3.3 小结 | 第38-39页 |
| 4 基于IBA-FNN的25Hz相敏轨道电路故障诊断 | 第39-51页 |
| 4.1 模糊神经网络模型结构 | 第39-42页 |
| 4.1.1 模糊逻辑系统 | 第39-40页 |
| 4.1.2 人工神经网络 | 第40-41页 |
| 4.1.3 模糊逻辑与人工神经网络融合 | 第41-42页 |
| 4.2 蝙蝠算法优化模糊神经网络 | 第42-44页 |
| 4.2.1 基于蝙蝠算法优化模糊神经网络参数 | 第42-43页 |
| 4.2.2 蝙蝠算法-模糊神经网络故障诊断算法步骤 | 第43-44页 |
| 4.3 基于IBA-FNN的25Hz相敏轨道电路故障诊断 | 第44-50页 |
| 4.3.1 模糊神经网络模型结构的建立 | 第44-45页 |
| 4.3.2 模型参数的选取 | 第45-47页 |
| 4.3.3 25Hz相敏轨道电路模型的确定 | 第47页 |
| 4.3.4 IBA-FNN模型的学习训练 | 第47-50页 |
| 4.3.5 对比模型及结果与分析 | 第50页 |
| 4.4 小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |
