| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-23页 |
| ·论文背景 | 第13页 |
| ·车辆振动状态评估方法 | 第13-19页 |
| ·基于振动测试的评估方法 | 第14-16页 |
| ·基于动力学模型计算的评估方法 | 第16-17页 |
| ·基于机器学习的车辆振动预测方法 | 第17-19页 |
| ·研究目的和意义 | 第19页 |
| ·研究内容与文章组织结构 | 第19-23页 |
| ·主要研究内容 | 第19-21页 |
| ·文章组织结构 | 第21-23页 |
| 第二章 多体动力学建模与验证 | 第23-39页 |
| ·SIMPACK建模方法 | 第23-24页 |
| ·车辆系统多体动力学建模 | 第24-31页 |
| ·SIMPACK建模思路 | 第24-26页 |
| ·SIMPACK车辆拓扑图 | 第26-27页 |
| ·动力学模型简化 | 第27-28页 |
| ·车辆系统建模 | 第28-30页 |
| ·美国5级轨道谱 | 第30-31页 |
| ·车辆动力学模型验证 | 第31-33页 |
| ·最小振动加速度计算 | 第31-32页 |
| ·系统根轨迹计算 | 第32页 |
| ·动力学模型实测数据验证 | 第32-33页 |
| ·模型仿真及数据预处理 | 第33-38页 |
| ·轨道不平顺实测数据 | 第34-36页 |
| ·基于实测数据的仿真计算 | 第36-37页 |
| ·数据预处理 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 基于神经网络的车体振动预测 | 第39-61页 |
| ·人工神经网络的基本概念 | 第39页 |
| ·基于BP神经网络的车体振动预测 | 第39-50页 |
| ·BP神经网络算法原理 | 第40-45页 |
| ·BP神经网络预测性能验证 | 第45-48页 |
| ·预测结果分析 | 第48-50页 |
| ·基于RBF神经网络的车体振动预测 | 第50-54页 |
| ·RBF神经网络算法原理 | 第50-51页 |
| ·RBF神经网络预测性能验证 | 第51-54页 |
| ·预测结果分析 | 第54页 |
| ·基于NARX神经网络的车体振动预测 | 第54-60页 |
| ·贝叶斯正则化算法 | 第55-57页 |
| ·NARX神经网络预测性能验证 | 第57-59页 |
| ·预测结果分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 基于遗传算法优化的神经网络模型 | 第61-70页 |
| ·遗传算法基本原理 | 第61页 |
| ·基于遗传算法的BP神经网络优化 | 第61-66页 |
| ·递阶遗传算法基本原理 | 第62-63页 |
| ·递阶遗传神经网络预测性能验证 | 第63-65页 |
| ·预测结果分析 | 第65-66页 |
| ·基于遗传算法的RBF神经网络优化 | 第66-69页 |
| ·遗传算法优化的基本原理 | 第66页 |
| ·采用遗传算法优化的网络预测性能验证 | 第66-69页 |
| ·预测结果分析 | 第69页 |
| ·本章小结 | 第69-70页 |
| 第五章 基于LabVIEW的轨道车辆振动预测系统设计 | 第70-78页 |
| ·LabVIEW简介 | 第70页 |
| ·系统功能设计 | 第70-73页 |
| ·用户登录模块 | 第71页 |
| ·数据导入模块 | 第71-72页 |
| ·数据处理模块 | 第72页 |
| ·数据保存模块 | 第72-73页 |
| ·基于实测数据的系统应用 | 第73-76页 |
| ·轨检车数据采集 | 第73-75页 |
| ·基于LabVIEW的车体振动预测 | 第75-76页 |
| ·本章小结 | 第76-78页 |
| 第六章 总结与展望 | 第78-81页 |
| ·总结 | 第78页 |
| ·展望 | 第78-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 | 第85-86页 |
| 1. 发表的学术论文 | 第85页 |
| 2. 取得的相关科研成果 | 第85页 |
| 3. 参与的科研项目 | 第85-86页 |
| 致谢 | 第86-87页 |