| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-12页 |
| 1 绪论 | 第12-18页 |
| 1.1 本课题研究的意义 | 第12-14页 |
| 1.1.1 轮轨力测量的意义 | 第12-13页 |
| 1.1.2 本课题研究的意义 | 第13-14页 |
| 1.2 国内外轮轨力测量技术研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 1.4 本论文难点及拟解决的关键技术 | 第17页 |
| 1.5 研究方法、试验方案及可行性研究 | 第17页 |
| 1.6 本论文的创新性 | 第17-18页 |
| 2 测力轮对有限元建模及仿真 | 第18-30页 |
| 2.1 有限元理论分析与方法 | 第18-19页 |
| 2.1.1 有限元法概述 | 第18页 |
| 2.1.2 ANSYS软件的简介 | 第18-19页 |
| 2.2 测力轮对有限元模型的建立 | 第19-29页 |
| 2.2.1 模型材料参数 | 第19页 |
| 2.2.2 单元划分 | 第19-20页 |
| 2.2.3 载荷与约束 | 第20-21页 |
| 2.2.4 轮对贴片位置的选择 | 第21-22页 |
| 2.2.5 车轮静强度及疲劳强度分析 | 第22-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 测力轮对连续测量理论及实现 | 第30-42页 |
| 3.1 轮轨接触受力分析 | 第30-31页 |
| 3.2 作用点位置对横垂向载荷输出的影响 | 第31-32页 |
| 3.3 测量电桥的干扰和布片原则 | 第32-35页 |
| 3.3.1 干扰因素 | 第32-34页 |
| 3.3.2 布片原则 | 第34-35页 |
| 3.4 测力轮对应变组桥基本原理 | 第35-37页 |
| 3.5 测量电桥的布置 | 第37-40页 |
| 3.6 测力轮对的制作 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 4 测力轮对标定试验 | 第42-61页 |
| 4.1 轮对标定原理 | 第42-43页 |
| 4.1.1 垂向载荷标定 | 第42页 |
| 4.1.2 横向载荷标定 | 第42-43页 |
| 4.1.3 垂向载荷与横向载荷的标定系数及相互影响系数 | 第43页 |
| 4.2 SIMPACK动力学仿真 | 第43-48页 |
| 4.2.1 多刚体动力学 | 第43-44页 |
| 4.2.2 车辆多刚体动力学模型 | 第44-46页 |
| 4.2.3 车辆多刚体动力学仿真 | 第46-48页 |
| 4.3 轮对标定试验 | 第48-60页 |
| 4.3.1 轮对标定试验设备 | 第48-51页 |
| 4.3.2 测力轮对标定试验过程 | 第51-53页 |
| 4.3.3 测力轮对标定试验数据处理 | 第53-55页 |
| 4.3.4 测力路对对标定试验结果及分析 | 第55-60页 |
| 4.4 载荷修正 | 第60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 基于遗传算法优化的BP神经网络的轮轨力研究 | 第61-84页 |
| 5.1 人工神经网络 | 第61-63页 |
| 5.1.1 人工神经网络概述 | 第61-62页 |
| 5.1.2 人工神经网络的结构与工作方式 | 第62-63页 |
| 5.1.3 人工神经网络的特点 | 第63页 |
| 5.2 BP神经网络原理 | 第63-67页 |
| 5.2.1 BP神经网络模型 | 第64-65页 |
| 5.2.2 BP神经网络算法 | 第65-67页 |
| 5.2.3 BP神经网络功能 | 第67页 |
| 5.3 BP神经网络设计 | 第67-68页 |
| 5.3.1 网络的层数 | 第67页 |
| 5.3.2 隐含层的神经元数 | 第67页 |
| 5.3.3 初始权值的选取 | 第67-68页 |
| 5.3.4 学习速率 | 第68页 |
| 5.4 遗传算法优化的BP神经网络 | 第68-80页 |
| 5.4.1 遗传算法 | 第68-69页 |
| 5.4.2 遗传算法优化BP神经网络 | 第69-72页 |
| 5.4.3 解耦横垂向桥的GA-BP神经网络模型 | 第72-80页 |
| 5.5 GA-BP神经网络对轮轨力的预测 | 第80-82页 |
| 5.5.1 网络预测数据标定数据对比 | 第80-81页 |
| 5.5.2 网络预测其他工况 | 第81-82页 |
| 5.6 本章小结 | 第82-84页 |
| 6 结论与展望 | 第84-86页 |
| 6.1 结论 | 第84-85页 |
| 6.2 展望 | 第85-86页 |
| 参考文献 | 第86-89页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第89-92页 |
| 学位论文数据集 | 第92页 |