| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第15-29页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-27页 |
| 1.2.1 数据特征分析技术 | 第16-21页 |
| 1.2.2 轮轨力载荷辨识 | 第21-25页 |
| 1.2.3 轨道-车辆系统状态安全评估理论 | 第25-27页 |
| 1.3 论文的主要工作 | 第27-29页 |
| 2 数据建模的理论基础和方法 | 第29-39页 |
| 2.1 机器学习理论 | 第29-32页 |
| 2.1.1 监督学习 | 第29-30页 |
| 2.1.2 泛化能力 | 第30-32页 |
| 2.1.3 正则化 | 第32页 |
| 2.2 典型回归模型与算法 | 第32-37页 |
| 2.2.1 ANN | 第32-34页 |
| 2.2.2 支撑向量机回归 | 第34-36页 |
| 2.2.3 稀疏正则化回归 | 第36-37页 |
| 2.3 数据建模步骤 | 第37-38页 |
| 2.4 本章小节 | 第38-39页 |
| 3 轨道-车辆系统检测数据时频特征提取和分析 | 第39-71页 |
| 3.1 轨道-车辆系统检测数据概述 | 第39-41页 |
| 3.1.1 轨道不平顺检测数据 | 第39-40页 |
| 3.1.2 车辆动态响应检测数据 | 第40页 |
| 3.1.3 轮轨力检测数据 | 第40-41页 |
| 3.2 基于时频分析的数据时频特征提取方法 | 第41-44页 |
| 3.2.1 傅立叶分析 | 第41-42页 |
| 3.2.2 短时傅立叶变换方法 | 第42-43页 |
| 3.2.3 Wigner-Ville分布方法 | 第43-44页 |
| 3.3 基于自适应时频分析的数据时频特征提取方法 | 第44-50页 |
| 3.3.1 自适应时频分析 | 第44-45页 |
| 3.3.2 EMD与HHT方法 | 第45-48页 |
| 3.3.3 参数化时频分析 | 第48-50页 |
| 3.4 基于变参数域和短时高斯线性调频基的自适应信号分解算法 | 第50-59页 |
| 3.4.1 分解算法步骤 | 第51-52页 |
| 3.4.2 时间尺度因子和调频率确定方法 | 第52-54页 |
| 3.4.3 算例分析 | 第54-57页 |
| 3.4.4 算法复杂度分析 | 第57-59页 |
| 3.5 几种时频分析方法对检测数据特征提取的结果比较 | 第59-70页 |
| 3.5.1 车辆动态响应检测数据特征提取 | 第59-65页 |
| 3.5.2 轮轨力检测数据特征提取 | 第65-70页 |
| 3.6 本章小节 | 第70-71页 |
| 4 轨道-车辆系统检测数据稀疏主成分特征融合分析 | 第71-85页 |
| 4.1 数据特征融合分析概述 | 第71-74页 |
| 4.1.1 数据特征融合相关分析 | 第71-72页 |
| 4.1.2 数据特征融合因子分析 | 第72-74页 |
| 4.2 基于稀疏主成分分析的检测数据特征融合分析方法 | 第74-78页 |
| 4.2.1 主成分分析方法 | 第74-76页 |
| 4.2.2 稀疏主成分分析方法 | 第76-77页 |
| 4.2.3 基于协同共轭稀疏主成分分析方法 | 第77-78页 |
| 4.3 检测数据稀疏主成分特征融合分析结果 | 第78-84页 |
| 4.3.1 多节点轮轨力载荷辨识数据建模方法 | 第79-80页 |
| 4.3.2 主成分特征融合分析结果 | 第80-82页 |
| 4.3.3 稀疏主成分特征融合分析结果 | 第82-84页 |
| 4.4 本章小节 | 第84-85页 |
| 5 建立轮轨力载荷辨识的多节点L_(1/2)-Sparse PCA-ELM数据模型 | 第85-117页 |
| 5.1 数据建模的常用神经网络学习算法 | 第85-91页 |
| 5.1.1 数据建模的BP神经网络算法 | 第85-89页 |
| 5.1.2 基于ELM算法的SLFN数据建模 | 第89-91页 |
| 5.2 基于多节点L_(1/2)-Sparse PCA-ELM神经网络的轮轨力载荷辨识数据建模方法 | 第91-93页 |
| 5.2.1 L_(1/2)- ELM神经网络学习算法 | 第91-92页 |
| 5.2.2 多节点L_(1/2)-Sparse PCA-ELM神经网络学习算法 | 第92-93页 |
| 5.3 轮轨力载荷辨识数据模型的比较与验证 | 第93-116页 |
| 5.3.1 仿真数据验证结果 | 第93-108页 |
| 5.3.2 实测数据验证结果 | 第108-116页 |
| 5.4 本章小节 | 第116-117页 |
| 6 基于轮轨力和轨道不平顺T~2统计量的轨道质量状态评估方法 | 第117-129页 |
| 6.1 轨道-车辆系统状态评估方法概述 | 第117-121页 |
| 6.1.1 轨道质量状态评估 | 第117-119页 |
| 6.1.2 车辆动态加速度响应评估 | 第119页 |
| 6.1.3 车辆动力学性能评估 | 第119-120页 |
| 6.1.4 广义能量法 | 第120-121页 |
| 6.2 基于轮轨力和轨道不平顺T~2统计量的轨道质量状态评估方法 | 第121-122页 |
| 6.3 实例分析 | 第122-128页 |
| 6.4 本章小节 | 第128-129页 |
| 7 结论与展望 | 第129-131页 |
| 7.1 主要结论 | 第129-130页 |
| 7.2 主要创新点 | 第130页 |
| 7.3 展望 | 第130-131页 |
| 参考文献 | 第131-137页 |
| 作者简历及科研成果清单 | 第137-139页 |
| 学位论文数据集 | 第139-140页 |
| 详细摘要 | 第140-151页 |
