| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 轨道车辆走行部安全预警算法研究的意义 | 第13-14页 |
| 1.2 国内外轨道车辆走行部故障诊断及预警概况 | 第14-17页 |
| 1.3 论文主要研究内容 | 第17-20页 |
| 1.3.1 论文研究内容及方法 | 第17-18页 |
| 1.3.2 研究的难点与重点 | 第18-20页 |
| 第二章 自学习安全监测预警方法理论及分析 | 第20-28页 |
| 2.1 自学习安全监测预警方法介绍 | 第20页 |
| 2.2 自学习安全监测预警方法理论 | 第20-23页 |
| 2.3 自学习安全监测预警方案模型 | 第23-24页 |
| 2.3.1 车辆走行部实时状态监测硬件模型 | 第23页 |
| 2.3.2 车辆走行部自学习状态识别模型 | 第23-24页 |
| 2.4 自学习安全监测预警算法概述 | 第24-25页 |
| 2.5 自学习数据库设计 | 第25-27页 |
| 2.5.1 数据库设计 | 第25-26页 |
| 2.5.2 历史特征数据库搭建 | 第26-27页 |
| 2.5.3 自学习特征量选择 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 自学习模糊聚类算法研究 | 第28-37页 |
| 3.1 自学习-模糊聚类预警算法设计 | 第28-29页 |
| 3.2 模糊C均值聚类 | 第29-32页 |
| 3.2.1 模糊聚类C均值聚类简介 | 第29页 |
| 3.2.2 模糊聚类C均值聚类基本原理及计算流程 | 第29-31页 |
| 3.2.3 模糊聚类改进 | 第31页 |
| 3.2.4 模糊聚类C均值聚类分析特征量选择 | 第31-32页 |
| 3.3 自学习模糊聚类联合算法 | 第32-36页 |
| 3.3.1 自学习与模糊聚类联合算法介绍 | 第32-33页 |
| 3.3.2 自学习与模糊聚类联合算法模型 | 第33-34页 |
| 3.3.3 联合算法聚类计算过程 | 第34-36页 |
| 3.3.4 联合算法的模式识别 | 第36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 自学习特征的神经网络算法研究 | 第37-51页 |
| 4.1 自学习特征-神经网络算法设计 | 第37-38页 |
| 4.2 自学习特征-能量变化系数 | 第38-41页 |
| 4.3 基于自学习特征的神经网络算法故障诊断 | 第41-50页 |
| 4.3.1 BP神经网络的基本原理 | 第41-46页 |
| 4.3.1.1 BP神经元 | 第42-43页 |
| 4.3.1.2 BP网络计算 | 第43-46页 |
| 4.3.2 BP神经网络的走行部故障诊断 | 第46-47页 |
| 4.3.3 BP神经网络的训练策略及结果 | 第47-50页 |
| 4.3.3.1 确定BP网络结构 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 安全预警实验平台设计 | 第51-56页 |
| 5.1 实验平台总体方案 | 第51页 |
| 5.2 机械振动试验台说明 | 第51-52页 |
| 5.3 数据采集设备说明 | 第52-55页 |
| 5.3.1 多通道数据卡 | 第53页 |
| 5.3.2 加速度传感器 | 第53-54页 |
| 5.3.3 信号调理器 | 第54页 |
| 5.3.4 电磁激振器 | 第54-55页 |
| 5.3.5 功率放大器 | 第55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 安全预警系统软件设计 | 第56-67页 |
| 6.1 软件系统总体设计 | 第56-57页 |
| 6.2 轨道不平顺信号获取 | 第57-59页 |
| 6.3 激励信号输出程序 | 第59页 |
| 6.4 系统数据库实现 | 第59-60页 |
| 6.5 信号采集程序 | 第60-62页 |
| 6.6 自学习模糊聚类程序 | 第62-63页 |
| 6.6.1 自学习模糊聚类-样本聚类学习程序 | 第62页 |
| 6.6.2 自学习模糊聚类-实时安全预警程序 | 第62-63页 |
| 6.7 神经网络算法程序 | 第63-65页 |
| 6.7.1 BP神经网络计算程序 | 第63-64页 |
| 6.7.2 实时神经网络监测程序 | 第64-65页 |
| 6.8 预警系统主界面程序开发 | 第65-66页 |
| 6.9 本章小结 | 第66-67页 |
| 第七章 系统调试与实验分析验证 | 第67-78页 |
| 7.1 信号激励系统测试与调试 | 第67页 |
| 7.2 试验台故障测试说明 | 第67-68页 |
| 7.3 自学习模糊聚类实验 | 第68-72页 |
| 7.3.1 自学习模糊聚类-样本学习测试 | 第68-70页 |
| 7.3.2 自学习模糊聚类-实时安全预警测试 | 第70-72页 |
| 7.4 自学习特征参数-神经网络算法测试 | 第72-77页 |
| 7.4.1 神经网络算法训练过程测试 | 第72-74页 |
| 7.4.2 神经网络实时安全预警实验 | 第74-77页 |
| 7.5 本章小结 | 第77-78页 |
| 第八章 结论与展望 | 第78-81页 |
| 8.1 研究结论 | 第78-79页 |
| 8.2 课题展望 | 第79-81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 |
| 致谢 | 第86-87页 |