基于监测数据的高速列车风管故障诊断方法研究
| 1 绪论 | 第8-14页 |
| 1.1 选题背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-13页 |
| 1.2.1 高速列车故障诊断研究现状 | 第8-10页 |
| 1.2.2 HMM研究现状 | 第10-11页 |
| 1.2.3 机器学习研究现状 | 第11-12页 |
| 1.2.4 模型空间研究进展 | 第12-13页 |
| 1.3 本文的主要工作 | 第13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 2 研究基础 | 第14-18页 |
| 2.1 高速列车风管简介 | 第14-15页 |
| 2.2 BP神经网络概述 | 第15-16页 |
| 2.3 实验数据处理 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 3 基于HMM的高速列车风管故障诊断方法 | 第18-28页 |
| 3.1 引言 | 第18页 |
| 3.2 HMM概述 | 第18-19页 |
| 3.3 实验步骤 | 第19-21页 |
| 3.4 实验结果与分析 | 第21-27页 |
| 3.4.1 采集数据预处理 | 第21-24页 |
| 3.4.2 模型参数获取 | 第24-26页 |
| 3.4.3 故障诊断实现 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 4 基于模型空间的风管故障诊断方法 | 第28-44页 |
| 4.1 引言 | 第28-29页 |
| 4.2 诊断方法原理简介 | 第29-30页 |
| 4.3 实验步骤 | 第30-32页 |
| 4.4 实验结果与分析 | 第32-41页 |
| 4.4.1 数据学习 | 第32-34页 |
| 4.4.2 函数逼近 | 第34-40页 |
| 4.4.3 故障诊断 | 第40-41页 |
| 4.5 本章小结 | 第41-44页 |
| 5 总结与展望 | 第44-46页 |
| 5.1 全文总结 | 第44页 |
| 5.2 未来展望 | 第44-46页 |
| 致谢 | 第46-48页 |
| 参考文献 | 第48-54页 |
| 在校期间发表的论文、专利、获奖等 | 第54页 |
