| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 道岔故障的研究现状 | 第9-10页 |
| 1.2.2 核方法应用的研究现状 | 第10-12页 |
| 1.3 论文的主要研究内容及章节安排 | 第12-13页 |
| 2 S700K型道岔的工作原理及故障分类 | 第13-27页 |
| 2.1 单机牵引道岔的组成及工作原理 | 第13-15页 |
| 2.1.1 单机牵引道岔的组成 | 第13-14页 |
| 2.1.2 单机牵引道岔工作原理 | 第14-15页 |
| 2.2 单机牵引道岔动作电流曲线分析 | 第15-18页 |
| 2.2.1 信号集中监测采样原理 | 第16-17页 |
| 2.2.2 单机牵引道岔动作电流曲线特征分析 | 第17-18页 |
| 2.3 单机牵引道岔的典型故障类型 | 第18-22页 |
| 2.3.1 异常阻力故障 | 第19页 |
| 2.3.2 转换区空转 | 第19-20页 |
| 2.3.3 缓放区故障 | 第20-22页 |
| 2.3.4 异常回操故障 | 第22页 |
| 2.4 多机牵引道岔典型故障分析 | 第22-27页 |
| 2.4.1 单动多机牵引道岔动作特点 | 第22-25页 |
| 2.4.2 多机牵引道岔典型案例分析 | 第25-27页 |
| 3 基于核Fisher的道岔电流曲线特征提取 | 第27-38页 |
| 3.1 道岔电流曲线特征分析 | 第27-30页 |
| 3.1.1 智能分区对道岔电流曲线时域表示 | 第27-29页 |
| 3.1.2 构建道岔典型故障特征表示集 | 第29-30页 |
| 3.2 道岔电流曲线特征的提取 | 第30-35页 |
| 3.2.1 核Fisher判别分析法 | 第30-33页 |
| 3.2.2 核Fisher鉴别分析法对道岔电流曲线的特征选择提取 | 第33-34页 |
| 3.2.3 核函数的选择 | 第34-35页 |
| 3.3 特征提取结果的比较与分析 | 第35-38页 |
| 3.3.1 核主成分分析法 | 第35页 |
| 3.3.2 提取结果分析 | 第35-38页 |
| 4 基于混合算法的道岔故障诊断SVM模型 | 第38-44页 |
| 4.1 支持向量分类机的性质 | 第38-39页 |
| 4.2 核函数参数选取 | 第39-42页 |
| 4.2.1 网格搜索法参数寻优 | 第39-40页 |
| 4.2.2 遗传算法参数寻优 | 第40-41页 |
| 4.2.3 粒子群算法参数寻优 | 第41-42页 |
| 4.3 混合算法的核参数寻优策略 | 第42-44页 |
| 5 故障诊断模型的实验结果分析 | 第44-51页 |
| 5.1 故障诊断流程 | 第44页 |
| 5.2 数据预处理 | 第44-45页 |
| 5.3 模型参数选择与优化 | 第45-49页 |
| 5.4 实验结果分析 | 第49-51页 |
| 结论 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |