| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 概述 | 第10-11页 |
| 1.2 钢轨磨耗检测中轮廓分类识别的意义 | 第11-13页 |
| 1.2.1 减少磨耗值的计算错误 | 第12页 |
| 1.2.2 轨检数据定位 | 第12-13页 |
| 1.3 钢轨磨耗检测技术发展现状及趋势 | 第13-17页 |
| 1.4 本论文的主要研究内容 | 第17-18页 |
| 第2章 钢轨轮廓检测系统介绍 | 第18-25页 |
| 2.1 激光位移传感器原理 | 第18-21页 |
| 2.1.1 激光三角法检测原理 | 第18-21页 |
| 2.1.2 线结构光 | 第21页 |
| 2.2 钢轨轮廓测量原理与系统组成 | 第21-25页 |
| 2.2.1 激光位移传感器基本参数 | 第23-25页 |
| 第3章 钢轨轮廓的分类识别研究 | 第25-51页 |
| 3.1 钢轨实测轨形轮廓分析与模式识别方法 | 第25-32页 |
| 3.1.1 钢轨轮廓分类 | 第25-29页 |
| 3.1.2 基于机器学习理论的模式识别方法 | 第29-32页 |
| 3.2 钢轨轮廓数据曲线特征提取算法 | 第32-38页 |
| 3.2.1 基于曲线二叉树的轮廓特征提取算法 | 第33-35页 |
| 3.2.2 基于主分量分析(PCA)的特征提取算法 | 第35-37页 |
| 3.2.3 两种特征提取算法对比 | 第37-38页 |
| 3.3 基于支持向量描述域的轮廓识别 | 第38-49页 |
| 3.3.1 支持向量域描述模型 | 第40-42页 |
| 3.3.2 支持向量特性分析与参数优化 | 第42-46页 |
| 3.3.3 基于相对距离度量的SVDD多分类模型优化 | 第46-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 钢轨磨耗检测算法研究 | 第51-65页 |
| 4.1 钢轨结构及磨耗定义 | 第51-53页 |
| 4.1.1 钢轨的基本结构 | 第51-52页 |
| 4.1.2 钢轨磨耗的定义 | 第52-53页 |
| 4.2 钢轨轮廓的匹配算法 | 第53-57页 |
| 4.2.1 轨腰圆弧特征段分割 | 第53-54页 |
| 4.2.2 基于非线性最小二乘的轮廓匹配 | 第54-57页 |
| 4.3 实测钢轨轮廓受干扰时的匹配算法优化 | 第57-64页 |
| 4.3.1 Nelder-Mead单纯形优化算法 | 第58-61页 |
| 4.3.2 基于距离和与Nelder-Mead法的匹配误差分析 | 第61-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第5章 实验测试验证分析 | 第65-70页 |
| 5.1 测试目的 | 第65页 |
| 5.2 轮廓识别 | 第65-67页 |
| 5.3 定位效果测试 | 第67-68页 |
| 5.4 磨耗检测算法测试 | 第68-70页 |
| 结论与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文及获奖情况 | 第77页 |
