| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 故障诊断技术研究现状 | 第12-17页 |
| 1.2.1 故障诊断技术发展概况 | 第12-14页 |
| 1.2.2 列控系统故障诊断技术发展概况 | 第14-15页 |
| 1.2.3 粗糙集理论研究现状 | 第15-16页 |
| 1.2.4 故障诊断技术的难点及其发展趋势 | 第16-17页 |
| 1.3 论文研究内容及结构 | 第17-19页 |
| 2 基于粗糙集理论的列控系统车载设备故障诊断原理 | 第19-31页 |
| 2.1 列控系统车载设备数据描述与特点分析 | 第19-23页 |
| 2.2 列控系统车载设备故障诊断原理分析 | 第23-30页 |
| 2.2.1 基于数据挖掘的故障诊断流程 | 第23-24页 |
| 2.2.2 列控系统车载设备故障诊断方案 | 第24-25页 |
| 2.2.3 故障诊断方案中主要算法分析 | 第25-30页 |
| 2.3 本章小结 | 第30-31页 |
| 3 列控车载设备数据分析与故障诊断方法验证 | 第31-52页 |
| 3.1 列控系统车载设备数据预处理 | 第31-34页 |
| 3.2 车载设备数据属性约简 | 第34-41页 |
| 3.2.1 BTM单元属性约简 | 第35-38页 |
| 3.2.2 TIU单元属性约简 | 第38-41页 |
| 3.3 列控系统车载设备故障诊断方法的仿真与验证 | 第41-51页 |
| 3.3.1 基于神经网络的车载设备实验仿真 | 第41-44页 |
| 3.3.2 粗糙集与神经网络结合的车载设备实验仿真 | 第44-49页 |
| 3.3.3 基于支持向量机的车载设备实验仿真 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 4 列控系统车载设备数据分析软件的实现 | 第52-69页 |
| 4.1 软件设计方案与思路 | 第52-56页 |
| 4.1.1 软件应用背景与需求分析 | 第52-53页 |
| 4.1.2 软件结构设计与模块分析 | 第53-56页 |
| 4.2 软件功能设计与实现 | 第56-62页 |
| 4.2.1 数据分析功能的设计与实现 | 第56-59页 |
| 4.2.2 报表生成功能的设计与实现 | 第59-62页 |
| 4.3 软件功能的验证与分析 | 第62-68页 |
| 4.3.1 验证指标的确定 | 第62-63页 |
| 4.3.2 故障识别结果的分析与评价 | 第63-68页 |
| 4.4 本章小结 | 第68-69页 |
| 5 结论与展望 | 第69-71页 |
| 5.1 全文结论 | 第69-70页 |
| 5.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 图索引 | 第74-76页 |
| 表索引 | 第76-77页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第77-79页 |
| 学位论文数据集 | 第79页 |