基于D-S融合理论的高速列车转向架故障诊断方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 转向架关键部件安全性研究现状 | 第11-12页 |
| 1.2.2 信息融合研究现状 | 第12-13页 |
| 1.2.3 多分类器研究现状 | 第13-14页 |
| 1.3 实验背景及数据介绍 | 第14-16页 |
| 1.4 本文主要研究内容 | 第16-18页 |
| 1.5 本文的结构安排 | 第18-19页 |
| 第二章 DS理论介绍 | 第19-25页 |
| 2.1 DS理论 | 第19-23页 |
| 2.1.1 DS理论的基本概念 | 第19-21页 |
| 2.1.2 DS理论的组合规则 | 第21-23页 |
| 2.1.3 DS理论的推理流程 | 第23页 |
| 2.2 DS证据理论存在的问题 | 第23页 |
| 2.3 研究热点 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于折扣算子的DS理论改进方法 | 第25-38页 |
| 3.1 DS理论的经典改进方法及优缺点比较 | 第25-30页 |
| 3.1.1 对组合规则的改进 | 第25-27页 |
| 3.1.2 对证据源的修正 | 第27-30页 |
| 3.2 基于折扣算子的DS改进方法 | 第30-34页 |
| 3.2.1 基于折扣算子的证据修正法 | 第30-31页 |
| 3.2.2 α_i权重学习算法 | 第31-34页 |
| 3.3 典型算例分析 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于广义三角模糊函数的BPA生成方法 | 第38-55页 |
| 4.1 基本概率赋值函数 | 第38页 |
| 4.2 基于广义三角模糊函数的BPA生成方法 | 第38-42页 |
| 4.2.1 广义模糊三角函数 | 第38-39页 |
| 4.2.2 广义三角模糊函数的构造 | 第39-41页 |
| 4.2.3 基于广义三角模糊函数的BPA生成方法 | 第41-42页 |
| 4.3 UCI数据集实验 | 第42-47页 |
| 4.3.1 数据介绍 | 第42-43页 |
| 4.3.2 算例分析 | 第43-46页 |
| 4.3.3 实验结果分析 | 第46-47页 |
| 4.4 高速列车转向架故障数据实验 | 第47-53页 |
| 4.4.1 横向减振器故障实验 | 第47-51页 |
| 4.4.2 抗蛇行减振器故障实验 | 第51-53页 |
| 4.5 本章总结 | 第53-55页 |
| 第五章 基于改进DS理论的多分类器决策融合方法 | 第55-72页 |
| 5.1 基分类器选择 | 第55-58页 |
| 5.1.1 支持向量机 | 第55-57页 |
| 5.1.2 神经网络分类器 | 第57-58页 |
| 5.2 多分类器系统的构造 | 第58-60页 |
| 5.2.1 分类器的差异性度量 | 第58-59页 |
| 5.2.2 多分类器系统的构造方法 | 第59-60页 |
| 5.3 多分类器决策融合模型 | 第60-62页 |
| 5.3.1 分类器的后验概率输出 | 第60-61页 |
| 5.3.2 分类器可信度计算 | 第61页 |
| 5.3.3 多分类器决策融合模型 | 第61-62页 |
| 5.4 实验结果及分析 | 第62-70页 |
| 5.4.1 UCI数据集实验 | 第62-66页 |
| 5.4.2 高速列车转向架故障诊断实验 | 第66-70页 |
| 5.5 本章小结 | 第70-72页 |
| 总结与展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第80-81页 |
