| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 论文选题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-14页 |
| 1.2.1 故障诊断技术的发展 | 第12-13页 |
| 1.2.2 轨道电路故障诊断研究现状 | 第13-14页 |
| 1.3 论文的主要研究内容 | 第14-16页 |
| 第2章 ZPW-2000A无绝缘轨道电路及故障诊断 | 第16-24页 |
| 2.1 ZPW-2000A无绝缘轨道电路的结构原理 | 第16-18页 |
| 2.1.1 系统结构 | 第16-17页 |
| 2.1.2 工作原理 | 第17-18页 |
| 2.2 ZPW-2000A无绝缘轨道电路的信息采集 | 第18-21页 |
| 2.2.1 信息采集设备 | 第18-19页 |
| 2.2.2 信息采集原理 | 第19-21页 |
| 2.2.3 信息采集种类 | 第21页 |
| 2.3 ZPW-2000A无绝缘轨道电路的诊断分析 | 第21-23页 |
| 2.3.1 故障诊断流程 | 第21-22页 |
| 2.3.2 ZPW-2000A故障诊断流程 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 ZPW-2000A无绝缘轨道电路故障诊断系统的方法选择 | 第24-36页 |
| 3.1 故障诊断方法简介 | 第24-26页 |
| 3.1.1 专家系统 | 第24-25页 |
| 3.1.2 机器学习 | 第25-26页 |
| 3.2 机器学习方法选择 | 第26-34页 |
| 3.2.1 常见机器学习方法比较 | 第26-28页 |
| 3.2.2 决策树算法 | 第28-34页 |
| 3.3 基于决策树算法的故障诊断系统 | 第34-35页 |
| 3.3.1 决策树算法与专家系统的结合 | 第34-35页 |
| 3.3.2 基于决策树算法的故障诊断系统结构 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于决策树算法的ZPW-2000A无绝缘轨道电路故障诊断系统的设计 | 第36-60页 |
| 4.1 故障诊断系统整体结构 | 第36-37页 |
| 4.2 ZPW-2000A无绝缘轨道电路故障特征参数 | 第37-39页 |
| 4.2.1 ZPW-2000A无绝缘轨道电路常见故障分析 | 第37-39页 |
| 4.2.2 ZPW-2000A无绝缘轨道电路故障特征参数 | 第39页 |
| 4.3 知识获取模块设计 | 第39-50页 |
| 4.3.1 知识表示 | 第39-40页 |
| 4.3.2 知识获取 | 第40-42页 |
| 4.3.3 知识获取算法的优化 | 第42-45页 |
| 4.3.4 提取决策规则 | 第45-50页 |
| 4.4 知识库模块设计 | 第50-52页 |
| 4.4.1 知识库结构 | 第50-51页 |
| 4.4.2 知识库的建立 | 第51-52页 |
| 4.5 推理机模块设计 | 第52-54页 |
| 4.6 其它模块的设计 | 第54-59页 |
| 4.6.1 解释器 | 第54-55页 |
| 4.6.2 数据库 | 第55-58页 |
| 4.6.3 人机界面 | 第58-59页 |
| 4.7 本章小结 | 第59-60页 |
| 第5章 基于决策树算法的ZPW-2000A无绝缘轨道电路故障诊断系统的实现 | 第60-74页 |
| 5.1 开发工具 | 第60-61页 |
| 5.2 系统模块功能 | 第61-70页 |
| 5.2.1 登录模块 | 第62-64页 |
| 5.2.2 训练样本模块 | 第64-65页 |
| 5.2.3 故障诊断模块 | 第65-68页 |
| 5.2.4 故障查询模块 | 第68-70页 |
| 5.3 ZPW-2000A无绝缘轨道电路故障诊断与分析 | 第70-73页 |
| 5.3.1 ZPW-2000A无绝缘轨道电路故障诊断 | 第70-72页 |
| 5.3.2 故障诊断结果分析 | 第72-73页 |
| 5.4 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间发表的学术论文 | 第80页 |
