ATP车载设备与动车组接口型式试验测试序列的优化生成研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 课题研究的背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 论文主要的工作与文章结构 | 第14-16页 |
| 2 ATP车载设备与动车组接口型式试验 | 第16-25页 |
| 2.1 接口型式试验简介 | 第16-17页 |
| 2.2 接口型式试验的执行与测试序列 | 第17-20页 |
| 2.3 动态试验的测试项 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 测试序列优化生成的总体策略 | 第25-30页 |
| 3.1 对测试序列的要求 | 第25-26页 |
| 3.2 测试序列的生成、更新与优化 | 第26-29页 |
| 3.3 本章小结 | 第29-30页 |
| 4 基于深度学习的测试序列更新过程 | 第30-51页 |
| 4.1 决策点与条件状态 | 第30-33页 |
| 4.2 典型的深度学习算法模型 | 第33-37页 |
| 4.3 测试项决策算法 | 第37-48页 |
| 4.3.1 带稀疏性的多层自动编码网络 | 第37-41页 |
| 4.3.2 最大熵模型的逻辑回归 | 第41-43页 |
| 4.3.3 决策网络学习算法 | 第43-48页 |
| 4.4 测试序列的更新 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 基于遗传算法的测试序列优化过程 | 第51-62页 |
| 5.1 序列优化的目标函数 | 第51-54页 |
| 5.2 遗传算法简述 | 第54-58页 |
| 5.2.1 适应度评价与编码 | 第55-56页 |
| 5.2.2 选择算子 | 第56-57页 |
| 5.2.3 交叉算子 | 第57页 |
| 5.2.4 变异算子 | 第57-58页 |
| 5.3 测试序列的优化生成 | 第58-61页 |
| 5.3.1 遗传算法用于测试序列优化生成 | 第58-61页 |
| 5.3.2 关于解的讨论 | 第61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 测试序列的生成及验证 | 第62-89页 |
| 6.1 测试序列生成与优化策略验证 | 第62-82页 |
| 6.1.1 高速列车运行仿真 | 第62-66页 |
| 6.1.2 测试项决策网络仿真 | 第66-71页 |
| 6.1.3 测试序列更新过程仿真 | 第71-73页 |
| 6.1.4 测试序列的生成与优化仿真 | 第73-78页 |
| 6.1.5 测试序列的验证与分析 | 第78-82页 |
| 6.2 基于C | 第82-88页 |
| 6.2.1 应用程序平台设计 | 第83-84页 |
| 6.2.2 程序实现简介 | 第84-88页 |
| 6.3 本章小结 | 第88-89页 |
| 7 总结与展望 | 第89-91页 |
| 参考文献 | 第91-94页 |
| 图索引 | 第94-97页 |
| 表索引 | 第97-99页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第99-103页 |
| 学位论文数据集 | 第103页 |
