| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 状态检测技术 | 第12页 |
| 1.2.2 信号处理方法 | 第12-16页 |
| 1.2.3 故障诊断与预测 | 第16-17页 |
| 1.3 本文研究内容 | 第17-19页 |
| 2 列车滚动轴承故障分析及特征提取 | 第19-26页 |
| 2.1 列车滚动轴承的构造及振动机理 | 第19-20页 |
| 2.2 列车滚动轴承的故障形式 | 第20-21页 |
| 2.3 列车滚动轴承的特征频率 | 第21-23页 |
| 2.4 列车滚动轴承振动信号的实时状态特征提取 | 第23-25页 |
| 2.4.1 直接的时域指标 | 第23-24页 |
| 2.4.2 基于能量和熵指标 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于奇异谱和线性自回归模型的特征提取方法 | 第26-40页 |
| 3.1 奇异谱分析 | 第26-29页 |
| 3.1.1 分解 | 第26-27页 |
| 3.1.1.1 嵌入 | 第26-27页 |
| 3.1.1.2 奇异值分解 | 第27页 |
| 3.1.2 重构 | 第27-28页 |
| 3.1.2.1 分组 | 第27-28页 |
| 3.1.2.2 对角平均 | 第28页 |
| 3.1.3 参数选择 | 第28-29页 |
| 3.1.3.1 窗口长度选择 | 第28-29页 |
| 3.1.3.2 分组中参数 | 第29页 |
| 3.2 线性自回归模型 | 第29-33页 |
| 3.2.1 数据预处理 | 第30-31页 |
| 3.2.2 模型定阶 | 第31页 |
| 3.2.3 模型参数估计 | 第31-33页 |
| 3.2.3.1 最小二乘法 | 第31-32页 |
| 3.2.3.2 递推最小二乘法 | 第32-33页 |
| 3.2.4 模型阶数处理 | 第33页 |
| 3.2.4.1 零填充法 | 第33页 |
| 3.2.4.2 方差阈值法 | 第33页 |
| 3.2.4.3 修剪法 | 第33页 |
| 3.3 实验分析 | 第33-39页 |
| 3.3.1 算法流程 | 第34页 |
| 3.3.2 信号分析 | 第34-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于K近邻和旋转森林法的故障模式识别方法 | 第40-70页 |
| 4.1 K近邻方法 | 第40-46页 |
| 4.1.1 构建特征矩阵 | 第41-42页 |
| 4.1.2 距离度量准则的定义 | 第42-43页 |
| 4.1.3 K近邻法则 | 第43-45页 |
| 4.1.4 K近邻的改进 | 第45-46页 |
| 4.2 旋转森林法 | 第46-50页 |
| 4.2.1 决策树基本理论 | 第47-49页 |
| 4.2.1.1 决策树分类算法 | 第48页 |
| 4.2.1.2 建立决策树 | 第48-49页 |
| 4.2.1.3 决策树的使用 | 第49页 |
| 4.2.2 旋转森林的训练 | 第49-50页 |
| 4.2.3 旋转森林的分类 | 第50页 |
| 4.3 实验分析 | 第50-69页 |
| 4.3.1 基于K近邻方法的故障模式识别 | 第50-64页 |
| 4.3.1.1 滚动轴承故障类型辨识 | 第50-61页 |
| 4.3.1.2 滚动轴承故障尺寸辨识 | 第61-64页 |
| 4.3.2 基于旋转森林集成分类方法的故障模式识别 | 第64-68页 |
| 4.3.2.1 滚动轴承故障类型辨识 | 第64-66页 |
| 4.3.2.2 滚动轴承故障尺寸辨识 | 第66-68页 |
| 4.3.3 两种方法的对比 | 第68-69页 |
| 4.4 本章小结 | 第69-70页 |
| 5 实际工程应用 | 第70-92页 |
| 5.1 系统总体设计 | 第70-73页 |
| 5.2 系统硬件设计 | 第73-75页 |
| 5.3 系统软件设计 | 第75-86页 |
| 5.3.1 车载显示终端 | 第76页 |
| 5.3.2 地面数据中心 | 第76-77页 |
| 5.3.3 通讯协议 | 第77-80页 |
| 5.3.3.1 消息头定义 | 第78页 |
| 5.3.3.2 消息体定义 | 第78-80页 |
| 5.3.4 展示平台 | 第80-86页 |
| 5.3.4.1 用户登录与注册 | 第81-82页 |
| 5.3.4.2 系统管理 | 第82-84页 |
| 5.3.4.3 查询和统计管理 | 第84-85页 |
| 5.3.4.4 评估预警 | 第85-86页 |
| 5.4 列车滚动轴承振动信号分析 | 第86-91页 |
| 5.4.1 基于K近邻方法的故障诊断 | 第89-90页 |
| 5.4.2 基于旋转森林法的故障诊断 | 第90-91页 |
| 5.5 本章小结 | 第91-92页 |
| 6 总结与展望 | 第92-94页 |
| 6.1 全文总结 | 第92页 |
| 6.2 研究展望 | 第92-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-102页 |
| 附录 | 第102页 |