| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第14-29页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-26页 |
| 1.2.1 轮轨安全监测系统 | 第15-18页 |
| 1.2.2 轮轨力测试 | 第18-20页 |
| 1.2.3 车轮失圆的仿真 | 第20-22页 |
| 1.2.4 车轮失圆的检测 | 第22-25页 |
| 1.2.5 车轮失圆的识别 | 第25-26页 |
| 1.3 论文的主要工作 | 第26-29页 |
| 第2章 轮轨力单点测试 | 第29-45页 |
| 2.1 轨道受力分析 | 第29-32页 |
| 2.2 轮轨垂向力测试方法 | 第32-38页 |
| 2.2.1 剪力法 | 第32-35页 |
| 2.2.2 轨底弯矩差法 | 第35-36页 |
| 2.2.3 轨腰弯矩差法 | 第36-37页 |
| 2.2.4 轨腰压缩法 | 第37页 |
| 2.2.5 轨底应力差法 | 第37页 |
| 2.2.6 轮轨垂向力测试方法小结 | 第37-38页 |
| 2.3 轮轨横向力测试方法 | 第38-40页 |
| 2.3.1 剪力法 | 第38页 |
| 2.3.2 轨腰弯矩差法 | 第38-39页 |
| 2.3.3 轨底应力差法 | 第39页 |
| 2.3.4 轮轨横向力测试方法小结 | 第39-40页 |
| 2.4 现场测试 | 第40-43页 |
| 2.5 误差分析 | 第43-45页 |
| 2.5.1 应变片方位误差 | 第43-44页 |
| 2.5.2 剪力法与标定误差 | 第44-45页 |
| 第3章 轮轨力连续测试方法与实现 | 第45-76页 |
| 3.1 基于径向基函数神经网络的轮轨力连续输出算法 | 第45-65页 |
| 3.1.1 轮轨力测试的预分析 | 第45-57页 |
| 3.1.2 室内试验验证 | 第57-60页 |
| 3.1.3 径向基函数神经网络原理 | 第60-61页 |
| 3.1.4 连续输出原理与实现 | 第61-63页 |
| 3.1.5 算法验证 | 第63-65页 |
| 3.2 基于组合预测模型的轮轨力连续测试 | 第65-75页 |
| 3.2.1 灰色理论基础与优化 | 第66-68页 |
| 3.2.2 遗传算法优化GM(1,1)模型 | 第68-70页 |
| 3.2.3 灰色神经网络理论与优化 | 第70-72页 |
| 3.2.4 结果 | 第72-73页 |
| 3.2.5 讨论 | 第73-75页 |
| 3.3 本章小结 | 第75-76页 |
| 第4章 轮轨力解耦研究 | 第76-87页 |
| 4.1 仿真计算 | 第76-77页 |
| 4.2 室内试验 | 第77-78页 |
| 4.3 轮轨力解耦的原理与实现 | 第78-87页 |
| 4.3.1 独立分量分析 | 第78-80页 |
| 4.3.2 改进的Fast ICA原理与验证 | 第80-82页 |
| 4.3.3 仿真分析 | 第82-84页 |
| 4.3.4 应用实例 | 第84-87页 |
| 第5章 车轮失圆的检测与识别 | 第87-122页 |
| 5.1 车轮失圆的类型与机理 | 第87-89页 |
| 5.2 车辆轨道耦合动力学模型 | 第89-92页 |
| 5.3 基于机器学习的扁疤车轮的识别方法 | 第92-105页 |
| 5.3.1 车轮扁疤的动力学特征 | 第92-97页 |
| 5.3.2 车轮扁疤的识别方法 | 第97-105页 |
| 5.4 基于Hilbert-Huang变换的扁疤车轮的识别方法 | 第105-116页 |
| 5.4.1 HHT与WP原理 | 第105-108页 |
| 5.4.2 基于Hilbert谱的车轮扁疤的识别 | 第108-114页 |
| 5.4.3 基于WP的车轮扁疤程度的判断 | 第114-115页 |
| 5.4.4 结论 | 第115-116页 |
| 5.5 基于Hilbert-Huang变换的车轮多边形化的识别方法 | 第116-121页 |
| 5.5.1 多边形车轮作用下的轮轨力特征 | 第116-119页 |
| 5.5.2 基于Hilbert谱的车轮多边形化的识别 | 第119-121页 |
| 5.6 本章小结 | 第121-122页 |
| 总结与展望 | 第122-125页 |
| 致谢 | 第125-126页 |
| 参考文献 | 第126-135页 |
| 攻读博士学位期间发表的论文及参加的科研项目 | 第135页 |
