| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 主要符号对照表 | 第13-15页 |
| 1 引言 | 第15-31页 |
| 1.1 选题背景 | 第15-16页 |
| 1.2 选题意义 | 第16-18页 |
| 1.3 研究现状 | 第18-26页 |
| 1.3.1 重载列车驾驶的特点 | 第18-22页 |
| 1.3.2 重载列车控制方法研究现状 | 第22-24页 |
| 1.3.3 既有重载列车控制方法存在的问题 | 第24-26页 |
| 1.4 论文研究思路 | 第26-27页 |
| 1.5 论文主要内容和篇章结构 | 第27-31页 |
| 2 智能控制方法研究综述 | 第31-41页 |
| 2.1 智能控制方法综述 | 第31-38页 |
| 2.1.1 基于人工神经网络的智能控制方法 | 第31-32页 |
| 2.1.2 基于集成学习的智能控制方法 | 第32-34页 |
| 2.1.3 基于加强学习和迭代学习的智能控制方法 | 第34-35页 |
| 2.1.4 基于模糊推理和专家系统的智能控制方法 | 第35-36页 |
| 2.1.5 基于深度学习的智能控制方法 | 第36-38页 |
| 2.2 既有智能控制方法研究总结 | 第38-39页 |
| 2.2.1 既有智能控制方法解决重载列车驾驶问题的不足 | 第38页 |
| 2.2.2 对于数据的特征学习不足 | 第38-39页 |
| 2.3 利用机器学习方法实现重载列车智能驾驶的技术路线 | 第39-40页 |
| 2.4 本章小结 | 第40-41页 |
| 3 重载列车运行数据的预处理和特征学习 | 第41-65页 |
| 3.1 引言 | 第41页 |
| 3.2 重载列车运行数据组成及特点分析 | 第41-44页 |
| 3.2.1 重载列车运行相关数据的组成 | 第41-43页 |
| 3.2.2 重载列车运行数据的特点 | 第43-44页 |
| 3.3 重载列车运行数据的预处理 | 第44-46页 |
| 3.4 重载列车运行数据特征学习方法 | 第46-56页 |
| 3.4.1 特征学习方法概述 | 第47-48页 |
| 3.4.2 基于SAE的重载列车运行数据特征学习方法 | 第48-52页 |
| 3.4.3 基于增量特征学习的重载列车运行数据特征在线学习方法 | 第52-56页 |
| 3.5 算法验证及结果讨论 | 第56-63页 |
| 3.5.1 实验数据 | 第56-57页 |
| 3.5.2 SAE深度网络的参数选择 | 第57-60页 |
| 3.5.3 与既有特征学习方法的比较 | 第60-62页 |
| 3.5.4 在线学习方法性能分析 | 第62-63页 |
| 3.6 本章小结 | 第63-65页 |
| 4 面向不平衡数据集的重载列车空气制动智能控制方法 | 第65-93页 |
| 4.1 引言 | 第65-66页 |
| 4.2 针对不平衡数据集分类方法研究综述 | 第66-70页 |
| 4.2.1 采样方法 | 第66-68页 |
| 4.2.2 分类方法 | 第68-70页 |
| 4.2.3 单类学习方法 | 第70页 |
| 4.3 基于EMKD算法的重载列车空气制动智能控制算法 | 第70-82页 |
| 4.3.1 EMKD算法的整体框架 | 第70-72页 |
| 4.3.2 面向多分类的重载列车空气制动控制EasyEnsemble.M1算法 | 第72-75页 |
| 4.3.3 重载列车空气制动少数类数据去噪方法 | 第75-78页 |
| 4.3.4 基分类器的设计 | 第78-82页 |
| 4.4 算法验证及结果分析 | 第82-91页 |
| 4.4.1 重载列车空气制动智能控制算法的评价方法 | 第83-86页 |
| 4.4.2 算法验证及结果讨论 | 第86-89页 |
| 4.4.3 EMKD算法参数选择及性能分析 | 第89-91页 |
| 4.5 本章小结 | 第91-93页 |
| 5 重载列车牵引力和电制动力智能控制方法 | 第93-113页 |
| 5.1 引言 | 第93-94页 |
| 5.2 基于LSSVM模型的重载列车智能控制方法 | 第94-96页 |
| 5.2.1 LSSVM概述 | 第94-95页 |
| 5.2.2 基于LSSVM的重载列车智能控制模型 | 第95-96页 |
| 5.3 重载列车智能控制LSSVM模型参数优化方法 | 第96-100页 |
| 5.3.1 核函数及参数优化方法选择 | 第96-97页 |
| 5.3.2 基于多群体协同进化粒子群算法的LSSVM模型参数优化方法 | 第97-100页 |
| 5.4 算法验证及结果分析 | 第100-112页 |
| 5.4.1 LSSVM-MCPSO算法验证及分析 | 第101-107页 |
| 5.4.2 智能驾驶方法用于不同编组列车控制的仿真验证 | 第107-112页 |
| 5.5 本章小结 | 第112-113页 |
| 6 基于近似动态规划的重载组合列车空气制动智能控制方法 | 第113-147页 |
| 6.1 引言 | 第113-114页 |
| 6.2 重载组合列车空气制动问题描述 | 第114-118页 |
| 6.2.1 重载组合列车在长大下坡道上的纵向动力学受力分析 | 第114-116页 |
| 6.2.2 重载组合列车空气制动智能控制建模 | 第116-118页 |
| 6.3 基于随机动态优化模型的重载组合列车空气制动控制建模 | 第118-127页 |
| 6.3.1 决策时刻 | 第118页 |
| 6.3.2 事件顺序 | 第118页 |
| 6.3.3 状态变量 | 第118-119页 |
| 6.3.4 决策变量 | 第119-124页 |
| 6.3.5 外部信息 | 第124页 |
| 6.3.6 状态转移函数 | 第124-127页 |
| 6.3.7 成本函数 | 第127页 |
| 6.3.8 目标函数 | 第127页 |
| 6.4 基于近似动态规划的模型求解方法 | 第127-134页 |
| 6.4.1 决策后状态变量 | 第128-129页 |
| 6.4.2 近似值函数算法设计 | 第129-131页 |
| 6.4.3 Fixed Bounded Lookup Table的设计 | 第131-133页 |
| 6.4.4 步长的选择 | 第133-134页 |
| 6.4.5 探索和开发 | 第134页 |
| 6.5 算法验证及结果分析 | 第134-145页 |
| 6.5.1 VFA-FBLTM算法有效性分析 | 第134-140页 |
| 6.5.2 不同控制方法对比分析 | 第140-145页 |
| 6.6 本章小结 | 第145-147页 |
| 7 总结与展望 | 第147-151页 |
| 7.1 研究成果 | 第147-148页 |
| 7.2 论文创新点 | 第148页 |
| 7.3 展望 | 第148-151页 |
| 参考文献 | 第151-157页 |
| 作者简历及攻读博士学位期间取得的科研成果 | 第157-163页 |
| 学位论文数据集 | 第163页 |
