| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-21页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 基于专家系统和定性趋势分析的定性数据驱动方法 | 第12-14页 |
| 1.2.2 基于机器学习的定量数据驱动方法 | 第14-15页 |
| 1.2.3 基于模型驱动的定量数据驱动方法 | 第15-16页 |
| 1.2.4 研究现状分析 | 第16-17页 |
| 1.3 研究意义 | 第17-18页 |
| 1.4 论文主要研究内容和篇章结构 | 第18-21页 |
| 1.4.1 论文的主要研究内容 | 第18-19页 |
| 1.4.2 论文的篇章结构 | 第19-21页 |
| 2 ZYJ7型提速道岔故障模式分析 | 第21-27页 |
| 2.1 高速铁路ZYJ7型道岔动作电流曲线分析 | 第21-23页 |
| 2.2 常见的道岔故障及原因分析 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 道岔动作电流曲线特征提取与特征选择 | 第27-45页 |
| 3.1 特征提取与特征选择概述 | 第27-31页 |
| 3.1.1 道岔电流曲线的特征提取 | 第27-28页 |
| 3.1.2 基于Relief算法的道岔统计特征选择 | 第28-31页 |
| 3.2 特征提取方式一—按时间值固定分段的特征提取方法 | 第31-35页 |
| 3.3 特征提取方式二—按电流值固定分段的特征提取方法 | 第35-38页 |
| 3.4 特征提取方法三—值投影及柱状图的特征提取方法 | 第38-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于FNN的道岔故障诊断方法 | 第45-67页 |
| 4.1 模糊神经网络基本理论 | 第45-47页 |
| 4.1.1 模糊理论 | 第45-46页 |
| 4.1.2 神经网络原理 | 第46-47页 |
| 4.1.3 模糊逻辑与人工神经网络的结合 | 第47页 |
| 4.2 基于FNN的道岔故障诊断方法实现 | 第47-66页 |
| 4.2.1 模糊神经网络的结构确定 | 第47-49页 |
| 4.2.2 模糊神经网络的学习算法 | 第49-51页 |
| 4.2.3 模糊规则的自动更新 | 第51-54页 |
| 4.2.4 基于特征提取方式一的FNN诊断模型训练 | 第54-58页 |
| 4.2.5 基于特征提取方式二的FNN诊断模型训练 | 第58-62页 |
| 4.2.6 基于特征提取方式三的FNN诊断模型训练 | 第62-65页 |
| 4.2.7 FNN模型的仿真结论 | 第65-66页 |
| 4.3 本章小结 | 第66-67页 |
| 5 ZYJ7型提速道岔故障诊断系统 | 第67-74页 |
| 5.1 系统软件功能设计 | 第67-68页 |
| 5.2 系统软件功能实现 | 第68-71页 |
| 5.3 系统功能测试 | 第71-72页 |
| 5.4 本章小结 | 第72-74页 |
| 6 结论 | 第74-76页 |
| 6.1 主要成果 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第79-81页 |
| 学位论文数据集 | 第81页 |
