基于人工智能算法的轨道不平顺估计

致谢	第1-6页
中文摘要	第6-7页
ABSTRACT	第7-12页
1. 绪论	第12-22页
·研究的背景及意义	第12-14页
·国内外研究现状	第14-18页
·轨检车研究现状	第14-16页
·轨道刚度检测研究现状	第16-17页
·人工智能在轨道检测中的应用研究现状	第17-18页
·课题研究的内容	第18-19页
·课题研究的方案	第19-20页
·论文章节安排	第20-22页
2. 车辆轨道耦合模型	第22-32页
·车辆-轨道模型	第22-29页
·车辆系统振动方程	第24-25页
·轨道动力学方程	第25-29页
·车辆轨道耦合关系方程	第29页
·车辆轨道耦合动力学方程求解	第29-30页
·本章小结	第30-32页
3. 轨道不平顺的模拟	第32-54页
·轨道不平顺分类	第32-35页
·按激扰方向轨道几何不平顺分类	第32-33页
·静态和动态轨道不平顺	第33-34页
·轨道刚度不平顺	第34-35页
·轨道几何不平顺的随机性描述	第35-37页
·轨道几何不平顺数值模拟	第37-40页
·基于IFFT的轨道不平顺数值模拟	第38-39页
·算例仿真	第39页
·不同功率谱仿真结果	第39-40页
·轨道刚度不平顺模拟	第40-41页
·轨道刚度不平顺下车辆振动响应仿真	第41-53页
·仿真条件	第41-42页
·轨枕失效情况下的车辆轨道振动响应仿真分析	第42-45页
·空吊板情况下的车辆轨道振动响应仿真分析	第45-47页
·道床松散情况下的车辆轨道振动响应仿真分析	第47-50页
·道床板结情况下的车辆轨道振动响应仿真分析	第50-53页
·本章小结	第53-54页
4. 基于SVM的轨道刚度参数突变识别	第54-78页
·支持向量机基本理论	第54-59页
·传统机器学习的缺陷	第54-55页
·统计学习理论概述	第55-56页
·支持向量机的二分类原理	第56-59页
·基于支持向量机的轨道刚度不平顺估计	第59-64页
·基于支持向量机的轨道缺陷诊断方案	第59-61页
·支持向量机的应用	第61-64页
·改进支持向量机在轨道缺陷故障诊断中的应用	第64-69页
·PSO粒子群优化算法改进支持向量机	第64-66页
·GA遗传算法改进支持向量机	第66-68页
·改进支持向量机效果对比	第68-69页
·不同条件下轨道基础结构缺陷识别	第69-75页
·不同车速下对轨道基础结构缺陷的识别	第69-71页
·不同功率谱下对轨道基础结构缺陷的识别	第71-73页
·不同车型下对轨道基础结构缺陷的识别	第73-75页
·本章小结	第75-78页
5. 基于BP神经网络的轨道不平顺估计	第78-92页
·神经网络概述	第78-79页
·人工神经元模型	第79页
·神经网络的学习	第79页
·BP神经网络	第79-81页
·BP神经网络拓扑结构	第80页
·BP神经网络性能分析	第80-81页
·基于BP神经网络的轨道几何不平顺估计	第81-85页
·基于BP神经网络的轨道几何不平顺估计方案	第81-84页
·BP神经网络在轨道几何不平顺估计中的应用	第84-85页
·基于SVM神经网络的轨道几何不平顺估计	第85-86页
·不同条件下轨道几何不平顺估计	第86-90页
·不同车速的轨道几何不平顺估计	第86-87页
·不同功率谱的轨道几何不平顺估计	第87-88页
·不同车型的轨道几何不平顺估计	第88-89页
·实际轨检车数据的轨道几何不平顺估计	第89-90页
·本章小结	第90-92页
6. 总结与展望	第92-94页
·工作总结	第92-93页
·未来展望	第93-94页
参考文献	第94-98页
作者简历	第98-102页
学位论文数据集	第102页