高速铁路道岔故障诊断方法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 目录 | 第10-12页 |
| 1 概述 | 第12-17页 |
| ·研究背景与意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·使用行业专家知识建立专家系统进行故障诊断 | 第13-14页 |
| ·基于机器学习理论的故障诊断方法 | 第14页 |
| ·基于模型的故障诊断方法 | 第14-15页 |
| ·其他故障诊断方法 | 第15页 |
| ·论文主要研究内容及章节安排 | 第15-17页 |
| 2 高速铁路道岔的工作原理及故障模式 | 第17-31页 |
| ·高速铁路道岔概述 | 第17-22页 |
| ·高速铁路道岔基本组成和工作原理 | 第17-19页 |
| ·高速铁路道岔外锁闭装置 | 第19-20页 |
| ·高速铁路道岔转辙机 | 第20-22页 |
| ·高速铁路道岔功率及电流数据 | 第22-25页 |
| ·数据监测原理 | 第22-23页 |
| ·数据特征描述及分析 | 第23-25页 |
| ·高速铁路道岔常见故障模式 | 第25-30页 |
| ·道岔卡阻或转辙机空转 | 第25-26页 |
| ·转换过程存在异常阻力 | 第26-28页 |
| ·缓放区异常 | 第28-29页 |
| ·异常状态回操 | 第29-30页 |
| ·小结 | 第30-31页 |
| 3 基于SVM的高速铁路道岔故障诊断方法 | 第31-50页 |
| ·SVM基本理论 | 第31-33页 |
| ·故障诊断方法概要设计 | 第33-34页 |
| ·训练及测试样本 | 第33-34页 |
| ·诊断流程 | 第34页 |
| ·数据归一化 | 第34-35页 |
| ·特征提取方法 | 第35-42页 |
| ·使用样本数据点作为特征 | 第35-38页 |
| ·使用样本数据的几何与统计参数作为特征 | 第38-42页 |
| ·SVM模型参数优化方法 | 第42-48页 |
| ·参数优化概述 | 第43-44页 |
| ·网格搜索优化 | 第44页 |
| ·遗传算法优化 | 第44-46页 |
| ·粒子群算法优化 | 第46-47页 |
| ·方法性能比较与分析 | 第47-48页 |
| ·小结 | 第48-50页 |
| 4 道岔故障诊断软件设计与实现 | 第50-59页 |
| ·软件功能需求分析 | 第50-51页 |
| ·软件功能设计 | 第51-53页 |
| ·软件系统设计 | 第53-58页 |
| ·离线模型训练软件设计 | 第53-56页 |
| ·在线故障诊断软件设计 | 第56-58页 |
| ·小结 | 第58-59页 |
| 5 现场测试 | 第59-67页 |
| ·测试流程 | 第59-60页 |
| ·测试目的 | 第60页 |
| ·测试内容 | 第60-64页 |
| ·测试结果 | 第64-65页 |
| ·小结 | 第65-67页 |
| 6 结论与展望 | 第67-68页 |
| ·结论 | 第67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 图索引 | 第71-73页 |
| 表索引 | 第73-74页 |
| 作者简历 | 第74-76页 |
| 学位论文数据集 | 第76页 |
