致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1. 引言 | 第12-24页 |
1.1. 论文研究背景及意义 | 第12-13页 |
1.1.1. 研究背景 | 第12-13页 |
1.1.2. 研究意义 | 第13页 |
1.2. 国内外研究现状 | 第13-18页 |
1.2.1. 高速铁路轨道安全状态评定研究现状 | 第14-16页 |
1.2.2. 高速铁路轨道安全状态预测研究现状 | 第16-18页 |
1.2.3. 高速铁路轨道安全状态管理系统研究现状 | 第18页 |
1.3. 既有研究存在的问题及问题的提出 | 第18-19页 |
1.4. 论文研究的主要内容和技术路线 | 第19-24页 |
1.4.1. 主要内容 | 第20-21页 |
1.4.2. 技术路线 | 第21-24页 |
2. 高速铁路轨道安全状态评定相关理论 | 第24-34页 |
2.1. 高速铁路轨道安全状态影响因素 | 第24-26页 |
2.2. 高速铁路轨道状态劣化特征 | 第26-30页 |
2.2.1. 浴盆曲线特征 | 第26-27页 |
2.2.2. 记忆性 | 第27页 |
2.2.3. 不确定性 | 第27-28页 |
2.2.4. 异质性 | 第28-30页 |
2.3. 高速铁路网格化理论 | 第30-32页 |
2.3.1. 铁路网格的定义与划分 | 第30-31页 |
2.3.2. 网格化理论在轨道安全状态评定的应用 | 第31-32页 |
2.4. 本章小结 | 第32-34页 |
3. 高速铁路轨道安全状态特征提取 | 第34-54页 |
3.1. 高速铁路轨道安全状态变量提取 | 第34-41页 |
3.1.1. 功能性状态变量选取 | 第34-37页 |
3.1.2. 可靠性状态变量选取 | 第37-41页 |
3.2. 高速铁路轨道安全状态特征提取 | 第41-45页 |
3.2.1. 主成分分析法的原理 | 第41-43页 |
3.2.2. 高速铁路轨道安全状态特征提取 | 第43-45页 |
3.3. 算例分析 | 第45-53页 |
3.3.1. 宝兰高铁概况及数据收集 | 第45-46页 |
3.3.2. 状态指标的计算 | 第46-51页 |
3.3.3. 状态特征数据提取 | 第51-53页 |
3.4. 本章小结 | 第53-54页 |
4. 高速铁路轨道安全状态评定模型构建 | 第54-66页 |
4.1. 高速铁路轨道安全状态轨道建模思路 | 第54页 |
4.2. 高速铁路轨道安全状态评定模型 | 第54-59页 |
4.2.1. 基于网格的轨道安全状态分类 | 第55-56页 |
4.2.2. 基于TOPSIS的轨道安全状态评定 | 第56-58页 |
4.2.3. 安全状态等级划分 | 第58-59页 |
4.3. 算例分析 | 第59-64页 |
4.3.1. 状态分类结果 | 第59-60页 |
4.3.2. 状态值计算结果 | 第60-63页 |
4.3.3. 状态等级划分结果 | 第63-64页 |
4.4. 本章小结 | 第64-66页 |
5. 高速铁路轨道安全状态预测模型构建 | 第66-82页 |
5.1. 高速铁路轨道安全状态预测建模思路 | 第67-68页 |
5.2. 高速铁路轨道安全状态预测模型 | 第68-72页 |
5.2.1. 多阶段威布尔模型 | 第68-70页 |
5.2.2. ARMA模型 | 第70-72页 |
5.3. 算例分析 | 第72-80页 |
5.3.1. 数据准备 | 第72-73页 |
5.3.2. 多阶段威布尔模型验证 | 第73-75页 |
5.3.3. ARMA模型验证 | 第75-78页 |
5.3.4. 模型的对比 | 第78-80页 |
5.4. 本章小结 | 第80-82页 |
6. 应用实现 | 第82-94页 |
6.1. 《宝兰高铁建维一体数字化管理信息系统》介绍 | 第82-83页 |
6.2. 数据仓库设计 | 第83-89页 |
6.2.1. 概念模型设计 | 第83-84页 |
6.2.2. 逻辑模型设计 | 第84-85页 |
6.2.3. 物理模型设计 | 第85-89页 |
6.3. 应用系统的实现 | 第89-93页 |
6.4. 本章小结 | 第93-94页 |
7. 结论与展望 | 第94-96页 |
7.1. 论文的主要工作 | 第94-95页 |
7.2. 研究展望 | 第95-96页 |
参考文献 | 第96-101页 |
作者简历及攻读硕士学位期间取得的研究成果 | 第101-103页 |
学位论文数据集 | 第103页 |