基于轴箱振动的轨道不平顺估计方法研究
中文摘要 | 第6-8页 |
abstract | 第8-10页 |
第1章 绪论 | 第13-30页 |
1.1 轨道不平顺估计的意义 | 第13-14页 |
1.2 轨道不平顺综述 | 第14-19页 |
1.2.1 轨道不平顺的成因 | 第15页 |
1.2.2 轨道不平顺的分类 | 第15-16页 |
1.2.3 轨道不平顺检测技术及现状 | 第16-19页 |
1.2.4 轨道不平顺的危害及作用 | 第19页 |
1.3 轨道不平顺估计研究现状 | 第19-27页 |
1.4 目前存在的问题 | 第27-28页 |
1.5 论文的主要工作 | 第28-30页 |
第2章 轨道不平顺估计理论分析 | 第30-44页 |
2.1 动力学反问题与轨道不平顺估计 | 第30-37页 |
2.1.1 系统辨识理论及方法 | 第32-35页 |
2.1.2 结构载荷(激励)辨识理论及方法 | 第35-37页 |
2.2 轴箱加速度与轨道不平顺相关分析 | 第37-39页 |
2.3 动力学仿真模型 | 第39-44页 |
2.3.1 车辆模型 | 第40-42页 |
2.3.2 轨道模型 | 第42-44页 |
第3章 车轮失圆对轴箱振动的影响及其分离方法 | 第44-75页 |
3.1 车轮失圆类型 | 第44-46页 |
3.1.1 车轮擦伤 | 第44-45页 |
3.1.2 车轮踏面剥离 | 第45页 |
3.1.3 车轮多边形 | 第45-46页 |
3.2 车轮失圆数学模型 | 第46-50页 |
3.2.1 车轮扁疤模型 | 第46-49页 |
3.2.2 车轮多边形模型 | 第49-50页 |
3.3 信号原子分解理论 | 第50-52页 |
3.3.1 信号的稀疏表示 | 第50-51页 |
3.3.2 字典定义 | 第51页 |
3.3.3 典型原子字典构造 | 第51-52页 |
3.4 匹配追踪算法 | 第52-55页 |
3.5 改进匹配追踪算法研究 | 第55-57页 |
3.5.1 匹配追踪算法计算分析 | 第55-56页 |
3.5.2 基于智能计算的改进匹配追踪算法 | 第56-57页 |
3.6 车轮失圆振动原子构造 | 第57-59页 |
3.6.1 冲击衰减原子 | 第58-59页 |
3.7 车轮失圆振动响应分量提取与分离仿真计算 | 第59-75页 |
3.7.1 车轮扁疤振动响应分量提取 | 第60-70页 |
3.7.2 车轮多边形响应提取与分离 | 第70-75页 |
第4章 基于逆虚拟激励法的轨道谱识别 | 第75-87页 |
4.1 轨道谱的概念及作用 | 第75-76页 |
4.2 轨道不平顺与轨道谱相互转化 | 第76-79页 |
4.2.1 轨道不平顺计算轨道谱 | 第76-77页 |
4.2.2 典型轨道谱 | 第77-78页 |
4.2.3 轨道不平顺时域数值模拟 | 第78-79页 |
4.3 逆虚拟激励法基本原理 | 第79-82页 |
4.3.1 虚拟激励法 | 第79-81页 |
4.3.2 逆虚拟激励法 | 第81-82页 |
4.4 仿真实例 | 第82-87页 |
第5章 GA-NARX神经网络的轨道不平顺估计 | 第87-107页 |
5.1 非线性ARX模型 | 第87-88页 |
5.2 非线性函数形式 | 第88-90页 |
5.2.1 小波网络函数 | 第89页 |
5.2.2 S型网络 | 第89页 |
5.2.3 神经网络 | 第89-90页 |
5.3 SISO网络结构 | 第90-91页 |
5.4 NARX神经网络主要参数选择 | 第91-93页 |
5.4.1 隐含层数目 | 第91页 |
5.4.2 隐层节点数目 | 第91-93页 |
5.4.3 输入输出阶数 | 第93页 |
5.5 神经网络性能评价 | 第93-94页 |
5.6 仿真计算实例与结论 | 第94-107页 |
5.6.1 输入阶数对估计精度的影响 | 第95-98页 |
5.6.2 输出阶数对估计精度的影响 | 第98-101页 |
5.6.3 遗传算法对输入输出阶数的优化 | 第101-105页 |
5.6.4 与其他参数模型结果对比 | 第105-107页 |
结论与展望 | 第107-109页 |
1. 主要研究成果 | 第107页 |
2. 主要创新点 | 第107页 |
3.研究展望 | 第107-109页 |
致谢 | 第109-110页 |
参考文献 | 第110-117页 |
攻读博士期间主要研究成果及论文 | 第117页 |