| 致谢 | 第5-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 故障诊断方法综述 | 第13-16页 |
| 1.2.2 列控系统故障诊断方法综述 | 第16-17页 |
| 1.2.3 高铁故障数据的不均衡性及方法综述 | 第17-18页 |
| 1.2.4 高铁故障数据的特征及传统特征提取方法综述 | 第18-19页 |
| 1.3 论文的主要工作及组织架构 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 2 高速铁路信号系统车载设备及其故障诊断 | 第21-26页 |
| 2.1 高铁车载设备的组成 | 第21-22页 |
| 2.2 高铁车载设备的故障综述 | 第22-23页 |
| 2.3 故障文本数据的简介 | 第23-24页 |
| 2.4 高铁车载设备的故障诊断流程 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 3 高铁车载设备故障特征提取方法 | 第26-40页 |
| 3.1 基于ICHI的词项级故障特征提取 | 第27-32页 |
| 3.1.1 χ~2统计和Hellinger distance | 第29-30页 |
| 3.1.2 改进的χ~2统计(ICHI) | 第30-32页 |
| 3.2 基于先验LDA的语义级故障特征提取 | 第32-38页 |
| 3.2.1 LDA模型 | 第32-34页 |
| 3.2.2 Gibbs抽样算法 | 第34页 |
| 3.2.3 先验知识提取 | 第34-37页 |
| 3.2.4 先验LDA模型 | 第37-38页 |
| 3.3 两级故障特征融合 | 第38-39页 |
| 3.3.1 特征融合算法简述 | 第38页 |
| 3.3.2 基于串行策略的两级故障特征融合 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于支持向量机的高铁车载设备故障诊断方法 | 第40-45页 |
| 4.1 支持向量机 | 第40-42页 |
| 4.2 多类分类问题 | 第42-43页 |
| 4.3 基于SVM的高铁车载设备故障诊断 | 第43-44页 |
| 4.4 本章小节 | 第44-45页 |
| 5 实验结果及分析 | 第45-56页 |
| 5.1 评价方法概述 | 第46-47页 |
| 5.2 实验设计 | 第47-48页 |
| 5.3 实验结果及分析 | 第48-55页 |
| 5.3.1 一级故障模式诊断对模型的评价 | 第48-54页 |
| 5.3.2 二级故障模式诊断对模型的评价 | 第54-55页 |
| 5.4 本章小节 | 第55-56页 |
| 6 高铁车载设备故障诊断系统的设计与实现 | 第56-63页 |
| 6.1 高铁车载设备诊断系统的框架与功能设计 | 第56-57页 |
| 6.2 车载设备诊断平台的实现 | 第57-62页 |
| 6.3 本章小结 | 第62-63页 |
| 7 结论与展望 | 第63-65页 |
| 7.1 研究总结 | 第63页 |
| 7.2 研究展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 图索引 | 第70-71页 |
| 表索引 | 第71-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |