| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 概述 | 第13-30页 |
| 1.1 引言 | 第13-14页 |
| 1.2 智能列车研究的国内外现状 | 第14-17页 |
| 1.2.1 高速列车智能化研究现状 | 第14-16页 |
| 1.2.2 大型养路机械设备智能化研究现状 | 第16-17页 |
| 1.3 大机的信息管理系统研究现状 | 第17-19页 |
| 1.4 智能决策技术研究现状 | 第19-22页 |
| 1.5 大机间定位及信息实时交互技术 | 第22-24页 |
| 1.5.1 大机定位技术 | 第22页 |
| 1.5.2 大机间信息实时交互技术研究现状 | 第22-23页 |
| 1.5.3 大机内信息交互技术 | 第23-24页 |
| 1.6 大机司机工作状态识别研究现状 | 第24-27页 |
| 1.6.1 大机司机疲劳的原因分析 | 第24-25页 |
| 1.6.2 司机工作状态识别研究现状 | 第25-27页 |
| 1.7 故障诊断智能系统的研究现状 | 第27-28页 |
| 1.8 论文的主要内容 | 第28-30页 |
| 第二章 铁路大机信息管理系统应用研究 | 第30-44页 |
| 2.1 大机信息管理系统的结构 | 第30-34页 |
| 2.1.1 系统管理维护 | 第31-32页 |
| 2.1.2 段级管理系统 | 第32-34页 |
| 2.2 数据库实现关键技术 | 第34-36页 |
| 2.3 大机管理信息系统问题的数学描述 | 第36-37页 |
| 2.4 大机信息管理系统数据库实现技术 | 第37-43页 |
| 2.4.1 数据库的概念设计 | 第38页 |
| 2.4.2 数据库的逻辑设计 | 第38-39页 |
| 2.4.3 数据关系模型 | 第39-40页 |
| 2.4.4 逻辑数据模型 | 第40-41页 |
| 2.4.5 数据库的实现 | 第41-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第三章 大机司机工作状态识别技术 | 第44-57页 |
| 3.1 大机司机疲劳状态分析 | 第44-46页 |
| 3.2 基于脸部识别的大机司机工作状态识别 | 第46-50页 |
| 3.3 基于运动图像跟踪的大机司机工作状态识别 | 第50-53页 |
| 3.3.1 背景模型 | 第51-52页 |
| 3.3.2 背景自适应更新 | 第52-53页 |
| 3.4 大机司机工作时头部运动轨迹检测 | 第53-55页 |
| 3.5 人脸识别及运动跟踪相结合的司机工作状态识别技术实现 | 第55-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第四章 大机间定位及数据实时交互技术 | 第57-68页 |
| 4.1 大机自身定位技术 | 第57-59页 |
| 4.2 大机间实时信号传输技术 | 第59-63页 |
| 4.2.1 无线Adhoc网络协议 | 第59-61页 |
| 4.2.2 大机间无线实时通信模型 | 第61页 |
| 4.2.3 无线调制技术 | 第61-63页 |
| 4.3 大机间定位及数据实时交互系统整体方案 | 第63-64页 |
| 4.3.1 大机间定位及数据实时交互系统需求分析 | 第63页 |
| 4.3.2 整体方案 | 第63-64页 |
| 4.4 大机间定位及数据实时交互系统的硬件实现技术 | 第64-66页 |
| 4.5 大机间实时定位系统的软件实现 | 第66-67页 |
| 4.5.1 软件系统架构设计 | 第66页 |
| 4.5.2 软件系统的流程图 | 第66-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 基于粗糙集大机故障知识获取方法 | 第68-78页 |
| 5.1 粗糙集理论概述 | 第68-70页 |
| 5.1.1 信息系统与决策表 | 第68-69页 |
| 5.1.2 集合近似及粗糙集 | 第69-70页 |
| 5.2 基于粗糙集的知识约简 | 第70-71页 |
| 5.3 大机故障属性的约简 | 第71-73页 |
| 5.3.1 大机故障诊断数据 | 第71-72页 |
| 5.3.2 属性聚类 | 第72-73页 |
| 5.4 基于信息熵的粗糙集属性约简 | 第73-77页 |
| 5.4.1 属性重要度 | 第73页 |
| 5.4.2 基于信息熵的绝对核算法 | 第73-74页 |
| 5.4.3 基于信息熵的决策表约简算法 | 第74-75页 |
| 5.4.4 大机故障数据属性约简 | 第75-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 大机故障诊断智能系统应用研究 | 第78-93页 |
| 6.1 案例推理的关键技术 | 第78-81页 |
| 6.1.1 案例的表示 | 第78-79页 |
| 6.1.2 大机故障案例的构建 | 第79-81页 |
| 6.2 基于案例推理的大机故障诊断系统总体设计 | 第81-84页 |
| 6.3 基于案例推理的大机故障诊断系统的实现 | 第84-91页 |
| 6.3.1 开发环境 | 第84页 |
| 6.3.2 大机故障诊断系统实现 | 第84-89页 |
| 6.3.3 故障案例定量检索 | 第89-91页 |
| 6.4 案例库的维护 | 第91-92页 |
| 6.5 本章小结 | 第92-93页 |
| 总结与展望 | 第93-95页 |
| 总结 | 第93-94页 |
| 展望 | 第94-95页 |
| 致谢 | 第95-96页 |
| 参考文献 | 第96-108页 |
| 攻读学位期间发表的学术论文及获奖情况 | 第108页 |