摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第9-16页 |
1.1 论文的研究背景 | 第9-10页 |
1.2 论文的研究目的和意义 | 第10-11页 |
1.3 国内外研究现状 | 第11-14页 |
1.3.1 FrFT滤波理论 | 第11-12页 |
1.3.2 神经网络的应用研究 | 第12-13页 |
1.3.3 粒子群优化算法 | 第13-14页 |
1.3.4 转辙机故障诊断研究 | 第14页 |
1.4 论文的主要研究内容和组织结构 | 第14-15页 |
1.5 小结 | 第15-16页 |
2 FrFT滤波理论分析 | 第16-30页 |
2.1 FrFT定义与性质 | 第16-21页 |
2.1.1 FrFT基本定义 | 第16-17页 |
2.1.2 FrFT时间-频率旋转定义 | 第17-18页 |
2.1.3 FrFT特征值与特征函数定义 | 第18页 |
2.1.4 FrFT的主要性质 | 第18-20页 |
2.1.5 离散分数傅里叶变换滤波算法 | 第20-21页 |
2.2 FrFT可行性分析 | 第21-25页 |
2.2.1 可行性验证 | 第21-23页 |
2.2.2 最优阶求解理论 | 第23-25页 |
2.3 动作电流曲线分析 | 第25-30页 |
2.3.1 监测原理 | 第25-27页 |
2.3.2 转辙机故障机理分析 | 第27-29页 |
2.3.3 电动转辙机动作电流特征向量的提取 | 第29-30页 |
3 构建神经网络模型 | 第30-39页 |
3.1 BP神经网络 | 第30-34页 |
3.1.1 BP神经网络的组成 | 第30-31页 |
3.1.2 BP神经网络的学习过程 | 第31-34页 |
3.2 BP算法优化 | 第34-39页 |
3.2.1 粒子群算法的基本原理 | 第35-36页 |
3.2.2 粒子群算法优化BP神经网络 | 第36-39页 |
4 故障分析模型的Matlab仿真验证 | 第39-48页 |
4.1 电流曲线的滤波 | 第39-44页 |
4.1.1 FrFT滤波过程 | 第39-43页 |
4.1.2 特征向量提取 | 第43-44页 |
4.2 故障分析模型建立 | 第44-45页 |
4.3 BP神经网络与PSO优化BP神经网络仿真分析 | 第45-48页 |
结论 | 第48-49页 |
致谢 | 第49-50页 |
参考文献 | 第50-52页 |
攻读学位期间的研究成果 | 第52页 |