| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和选题意义 | 第10页 |
| 1.2 不确定系统状态估计研究现状 | 第10-11页 |
| 1.3 机车状态估计方法研究现状 | 第11-16页 |
| 1.3.1 基于直接信息的计算法 | 第11-13页 |
| 1.3.2 基于观测器的估计方法 | 第13页 |
| 1.3.3 基于智能技术的估计方法 | 第13-14页 |
| 1.3.4 基于滚动时域的估计方法 | 第14页 |
| 1.3.5 基于卡尔曼滤波算法的估计方法 | 第14-15页 |
| 1.3.6 目前存在的问题 | 第15-16页 |
| 1.4 本文主要工作 | 第16-18页 |
| 第2章 不确定系统状态估计及粘着基本理论 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 不确定系统状态估计方法 | 第18-20页 |
| 2.2.1 不确定系统模型 | 第18页 |
| 2.2.2 状态估计简介 | 第18-19页 |
| 2.2.3 卡尔曼滤波算法 | 第19-20页 |
| 2.3 轮轨的粘着 | 第20-25页 |
| 2.3.1 轮轨粘着机理 | 第20-22页 |
| 2.3.2 轮轨粘着特性 | 第22-23页 |
| 2.3.3 影响轮轨粘着的因素 | 第23-25页 |
| 2.4 小结 | 第25-26页 |
| 第3章 低粘着特性和机车动力学建模 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 轮轨滚动接触模型 | 第26-33页 |
| 3.2.1 蠕滑速度—蠕滑力经验公式模型 | 第27-28页 |
| 3.2.2 O.Polach轮轨模型 | 第28-30页 |
| 3.2.3 O.Polach代码实现与仿真模型 | 第30-31页 |
| 3.2.4 O.Polach预制蠕滑率/力查询表模型 | 第31-33页 |
| 3.3 机车动力学建模 | 第33-38页 |
| 3.3.1 单轮对模型 | 第33-35页 |
| 3.3.2 多轮对模型 | 第35-38页 |
| 3.4 小结 | 第38-39页 |
| 第4章 基于CKF算法的机车状态估计方法 | 第39-50页 |
| 4.1 引言 | 第39页 |
| 4.2 CKF算法 | 第39-44页 |
| 4.2.1 容积卡尔曼滤波算法基本原理 | 第39-41页 |
| 4.2.2 容积卡尔曼滤波算法流程 | 第41-44页 |
| 4.3 基于CKF的机车轮速估计 | 第44-47页 |
| 4.4 基于CKF的机车粘着系数估计 | 第47-49页 |
| 4.5 小结 | 第49-50页 |
| 第5章 基于ISTCKF算法的分布式车速估计 | 第50-60页 |
| 5.1 引言 | 第50页 |
| 5.2 改进的强跟踪容积卡尔曼滤波算法(ISTCKF) | 第50-53页 |
| 5.2.1 改进的强跟踪算法 | 第50-52页 |
| 5.2.2 改进的强跟踪容积卡尔曼滤波算法(ISTCKF) | 第52-53页 |
| 5.3 基于ISTCKF的分布式机车车速估计 | 第53-59页 |
| 5.3.1 试验重载机车概况 | 第53-55页 |
| 5.3.2 基于ISTCKF的分布式车速估计基本原理 | 第55-56页 |
| 5.3.3 仿真结果与性能分析 | 第56-59页 |
| 5.4 小结 | 第59-60页 |
| 结论与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
