| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| §1.1 课题研究的背景和意义 | 第8页 |
| §1.2 故障综合评估技术发展现状 | 第8-10页 |
| ·故障综合评估技术的研究现状 | 第8-9页 |
| ·存在的问题 | 第9-10页 |
| §1.3 机器学习在故障诊断领域的发展现状 | 第10-12页 |
| ·机器学习的相关概念及发展现状 | 第10-11页 |
| ·机器学习理论在故障诊断领域的发展现状和发展方向 | 第11-12页 |
| §1.4 本文工作和成果 | 第12-13页 |
| §1.5 本文各章内容安排 | 第13-14页 |
| 第二章 磁浮列车系统故障分析 | 第14-22页 |
| §2.1 引言 | 第14页 |
| §2.2 磁浮列车悬浮系统故障分析 | 第14-17页 |
| ·悬浮系统结构 | 第14-16页 |
| ·建立悬浮系统故障树 | 第16页 |
| ·悬浮模块故障分析 | 第16-17页 |
| §2.3 基于最小割集的故障划分 | 第17-20页 |
| §2.4 本章小结 | 第20-22页 |
| 第三章 基于机器学习的磁浮列车故障综合评估 | 第22-34页 |
| §3.1 引言 | 第22页 |
| §3.2 基于机器学习的评估算法研究 | 第22-24页 |
| §3.3 基于机器学习的故障综合评估系统构建 | 第24-25页 |
| §3.4 基于机器学习的故障评估系统性能测试 | 第25-33页 |
| ·基于机器学习的故障评估算法性能比较 | 第25-29页 |
| ·机器学习算法的性能影响因素分析 | 第29-33页 |
| §3.5 本章小结 | 第33-34页 |
| 第四章 基于集成学习和分布估计算法的故障评估技术 | 第34-46页 |
| §4.1 引言 | 第34页 |
| §4.2 基于集成学习的故障综合评估 | 第34-40页 |
| ·集成学习算法的分类 | 第35页 |
| ·集成的规律研究 | 第35-37页 |
| ·基于集成学习算法的故障评估 | 第37-40页 |
| §4.3 基于分布估计算法的故障综合评估 | 第40-43页 |
| ·分布估计学习算法概述 | 第40-41页 |
| ·基于分布估计学习算法故障评估系统设计 | 第41-42页 |
| ·仿真实验 | 第42-43页 |
| §4.4 本章小结 | 第43-46页 |
| 第五章 磁浮列车故障监控与综合评估系统的设计与实现 | 第46-56页 |
| §5.1 车载监控平台设计与实现 | 第46-51页 |
| ·车载监控软件菜单结构 | 第46-47页 |
| ·车载监控软件屏显格式 | 第47-48页 |
| ·车载监控系统典型监控界面 | 第48-51页 |
| §5.2 基于远程无线传输技术的地面监控与故障评估系统设计 | 第51-55页 |
| ·远程数据传输技术研究 | 第51-52页 |
| ·多中心远程无线监控设计方案 | 第52-54页 |
| ·数据接收实验结果 | 第54页 |
| ·故障综合评估试验平台运行效果 | 第54-55页 |
| §5.3 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| §6.1 本文的工作总结 | 第56页 |
| §6.2 进一步的工作设想 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士期间发表的论文 | 第64-65页 |
| 附录A | 第65-66页 |
| 附录B | 第66页 |