摘要 | 第6-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-16页 |
1.1 课题研究的背景及意义 | 第12页 |
1.2 盲源分离应用现状 | 第12-14页 |
1.3 研究内容 | 第14页 |
1.4 章节安排 | 第14-16页 |
第2章 高速列车走行部监测数据分析 | 第16-24页 |
2.1 高速列车走行部振动分析 | 第16-18页 |
2.1.1 高速列车走行部 | 第16-17页 |
2.1.2 横向振动 | 第17-18页 |
2.1.3 垂向振动 | 第18页 |
2.2 高速列车走行部故障类型 | 第18-19页 |
2.3 高速列车仿真数据分析 | 第19-23页 |
2.3.1 同一速度下不同工况频谱分析 | 第20-22页 |
2.3.2 同一工况下不同速度频谱分析 | 第22页 |
2.3.3 同一工况下不同渐变参数频谱分析 | 第22-23页 |
2.3.4 单故障和多故障频谱特点 | 第23页 |
2.4 小结 | 第23-24页 |
第3章 监测数据分析理论基础 | 第24-40页 |
3.1 引言 | 第24页 |
3.2 盲源分离基本理论 | 第24-27页 |
3.2.1 盲源分离数学理论模型 | 第24-26页 |
3.2.2 盲源分离经典算法 | 第26-27页 |
3.3 盲源分离的不确定性 | 第27-28页 |
3.4 单通道盲源分离理论 | 第28-31页 |
3.4.1 单通道盲源分离算法介绍 | 第28-30页 |
3.4.2 单通道盲源分离算法流程 | 第30-31页 |
3.5 基于时频比的盲源分离理论 | 第31-35页 |
3.5.1 原理与方法 | 第31-34页 |
3.5.2 算法步骤 | 第34-35页 |
3.6 基于JADE算法的盲源分离理论 | 第35-37页 |
3.6.1 JADE原理 | 第35-36页 |
3.6.2 算法步骤 | 第36-37页 |
3.7 效果评价相关的特征和分类器 | 第37-39页 |
3.7.1 时频域特征介绍 | 第37-38页 |
3.7.2 支持向量机 | 第38-39页 |
3.8 小结 | 第39-40页 |
第4章 监测数据的单通道盲分离模型和算法 | 第40-53页 |
4.1 引言 | 第40-41页 |
4.2 EEMD-PCA-KICA算法仿真特性研究 | 第41-45页 |
4.2.1 算法的仿真验证 | 第41-43页 |
4.2.2 算法的性能分析 | 第43-45页 |
4.2.3 盲分离效果的评价方法 | 第45页 |
4.3 EEMD-PCA-KICA的列车混合工况识别过程 | 第45-49页 |
4.3.1 高铁仿真数据处理 | 第46页 |
4.3.2 基于频域评价的盲分离研究 | 第46-48页 |
4.3.3 基于分数阶傅里叶变换评价的盲分离研究 | 第48-49页 |
4.4 非全拆工况单通道多故障分析 | 第49-50页 |
4.5 参数渐变多故障工况分析 | 第50-52页 |
4.5.1 基于频谱的性能蜕变分析 | 第50-51页 |
4.5.2 基于时频域特征的性能蜕变分析 | 第51-52页 |
4.6 小结 | 第52-53页 |
第5章 监测数据的多通道盲分离模型和算法 | 第53-66页 |
5.1 引言 | 第53页 |
5.2 TIFROM、JADE和SOBI的盲分离算法分析 | 第53-56页 |
5.3 基于TIFROM的转向架多故障分析 | 第56-59页 |
5.3.1 算法步骤 | 第56-57页 |
5.3.2 算法的仿真验证 | 第57-58页 |
5.3.3 多故障工况时频盲分离识别 | 第58-59页 |
5.4 基于JADE的转向架多故障分析 | 第59-65页 |
5.4.1 算法步骤 | 第59-60页 |
5.4.2 算法的仿真验证 | 第60-61页 |
5.4.3 全拆多故障工况识别 | 第61-63页 |
5.4.4 非全拆多故障工况识别 | 第63-64页 |
5.4.5 参数渐变多故障工况识别 | 第64-65页 |
5.5 小结 | 第65-66页 |
总结与展望 | 第66-68页 |
总结 | 第66-67页 |
展望 | 第67-68页 |
致谢 | 第68-69页 |
参考文献 | 第69-74页 |
攻读硕士学位期间发表的的学术论文和参与的项目 | 第74页 |
发表的学术论文 | 第74页 |
参与的项目 | 第74页 |