城轨列车轮对安全状态分析预测与镟修策略优化方法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-16页 |
| ·选题背景 | 第11-12页 |
| ·研究意义及目的 | 第12-13页 |
| ·研究意义 | 第12页 |
| ·研究目的 | 第12-13页 |
| ·技术路线及论文结构 | 第13-16页 |
| ·技术路线 | 第13页 |
| ·论文结构 | 第13-16页 |
| 2 相关概念介绍及其国内外研究现状 | 第16-23页 |
| ·轮对概述 | 第16-18页 |
| ·轮对状态监测研究现状 | 第18-20页 |
| ·轮对尺寸预测及镟修研究现状 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于模糊安全域的轮对状态辨识 | 第23-38页 |
| ·模糊理论基本知识 | 第23-27页 |
| ·模糊集合及其运算 | 第23-24页 |
| ·隶属函数的确定 | 第24-25页 |
| ·模糊识别 | 第25-27页 |
| ·安全域介绍 | 第27-31页 |
| ·安全域概况 | 第27-28页 |
| ·轨道交通系统安全域 | 第28-29页 |
| ·模糊安全域及其在状态辨识中的应用 | 第29-31页 |
| ·基于模糊安全域的轮对状态辨识实例 | 第31-37页 |
| ·轮对状态特征量选取 | 第31-32页 |
| ·基于模糊安全域的车轮状态辨识及结果分析 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于历史数据的轮对尺寸预测模型研究 | 第38-62页 |
| ·神经网络 | 第39-44页 |
| ·神经网络基本概念 | 第39-40页 |
| ·神经网络建模基本步骤 | 第40-43页 |
| ·BP神经网络 | 第43-44页 |
| ·支持向量机回归 | 第44-49页 |
| ·支持向量机原理 | 第44-45页 |
| ·支持向量回归原理 | 第45-46页 |
| ·遗传算法 | 第46-48页 |
| ·基于遗传算法的支持向量机回归 | 第48-49页 |
| ·车轮尺寸预测模型建立及分析 | 第49-61页 |
| ·基于BP神经网络的预测模型建立 | 第49-51页 |
| ·基于GA-SVR的预测模型建立 | 第51-52页 |
| ·仿真及结果分析 | 第52-61页 |
| ·本章小结 | 第61-62页 |
| 5 轮对镟修策略优化研究 | 第62-71页 |
| ·轮径差及其对行车的影响 | 第62-63页 |
| ·轮缘厚的磨耗镟修策略模型 | 第63-64页 |
| ·基于轮缘厚及轮径差的轮对镟修策略研究 | 第64-68页 |
| ·镟修模型假设 | 第64-65页 |
| ·整车镟修模型研究 | 第65-68页 |
| ·仿真结果及分析 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 6 总结与展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 作者简历 | 第76-78页 |
| 学位论文数据集 | 第78页 |
