| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第13-23页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.2.3 研究现状的分析 | 第17-18页 |
| 1.3 研究意义 | 第18-19页 |
| 1.4 论文主要研究内容和篇章结构 | 第19-23页 |
| 1.4.1 论文的主要研究内容 | 第19-20页 |
| 1.4.2 论文的篇章结构 | 第20-23页 |
| 2. 道岔电流曲线的故障特征及特征表示方法 | 第23-43页 |
| 2.1 道岔电流曲线的故障特征 | 第23-33页 |
| 2.1.1 道岔工作原理 | 第23-28页 |
| 2.1.2 典型道岔故障原因及特征 | 第28-33页 |
| 2.2 道岔电流曲线的特征表示 | 第33-42页 |
| 2.2.1 以时间特性分析道岔电流曲线 | 第33-35页 |
| 2.2.2 以电流值域特性分析道岔电流曲线 | 第35-37页 |
| 2.2.3 智能分区的道岔电流曲线融合特征表示 | 第37-42页 |
| 2.3 本章小结 | 第42-43页 |
| 3. 道岔电流曲线的特征选择与特征提取 | 第43-59页 |
| 3.1 道岔电流曲线的特征选择 | 第43-47页 |
| 3.1.1 特征选择的算法 | 第43-44页 |
| 3.1.2 Fisher方法的道岔电流曲线的特征选择 | 第44-47页 |
| 3.2 道岔电流曲线的特征提取 | 第47-57页 |
| 3.2.1 PCA方法的道岔电流曲线的特征提取 | 第47-49页 |
| 3.2.2 KPCA方法的道岔电流曲线的特征提取 | 第49-54页 |
| 3.2.3 特征提取方法的比较及分析 | 第54-57页 |
| 3.3 本章小结 | 第57-59页 |
| 4. 基于SVM方法的道岔机械部分故障诊断 | 第59-87页 |
| 4.1 SVM模型的介绍 | 第59-60页 |
| 4.2 SVM故障诊断方法的总体设计 | 第60-61页 |
| 4.3 核参数的优化方法 | 第61-72页 |
| 4.3.1 遗传算法 | 第66-67页 |
| 4.3.2 粒子群算法 | 第67-69页 |
| 4.3.3 遗传算法与粒子群算法的结合算法 | 第69-72页 |
| 4.4 SVM故障诊断方法的实现 | 第72-79页 |
| 4.5 SVM故障诊断方法的验证 | 第79-86页 |
| 4.5.1 验证结果 | 第79-85页 |
| 4.5.2 验证结果的分析 | 第85-86页 |
| 4.6 本章小结 | 第86-87页 |
| 5. 基于核FISHER方法的道岔控制电路故障诊断 | 第87-101页 |
| 5.1 高速道岔控制电路故障及特征 | 第87-89页 |
| 5.2 基于核的FISHER方法的介绍 | 第89-91页 |
| 5.2.1 基于核的Fisher判别方法的道岔控制电路故障诊断方案 | 第89页 |
| 5.2.2 基于核的Fisher判别方法的实现过程 | 第89-91页 |
| 5.3 基于核的FISHER故障诊断方法的设计 | 第91-93页 |
| 5.4 基于核的FISHER故障诊断方法的实现 | 第93-96页 |
| 5.5 基于核的FISHER故障诊断方法的验证 | 第96-98页 |
| 5.5.1 验证结果 | 第96-97页 |
| 5.5.2 验证结果的分析 | 第97-98页 |
| 5.6 本章小结 | 第98-101页 |
| 6 结论与展望 | 第101-105页 |
| 6.1 结论 | 第101-103页 |
| 6.2 展望 | 第103-105页 |
| 参考文献 | 第105-109页 |
| 图索引 | 第109-113页 |
| 表索引 | 第113-115页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第115-119页 |
| 学位论文数据集 | 第119页 |
