摘要 | 第5-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第11-20页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-18页 |
1.2.1 温度预测方法研究现状 | 第12-13页 |
1.2.2 灰色理论预测方法研究现状 | 第13-17页 |
1.2.3 现有研究不足 | 第17-18页 |
1.3 论文研究内容 | 第18-20页 |
第2章 基于灰色理论的高速列车轴温时序预测模型 | 第20-36页 |
2.1 高速列车车载轴温监测数据分析 | 第20-24页 |
2.2 基于灰色理论的典型时序预测模型 | 第24-28页 |
2.2.1 灰色GM(1,1)模型 | 第24-25页 |
2.2.2 灰色GM(2,1)模型 | 第25页 |
2.2.3 灰色DGM(1,1)模型 | 第25-26页 |
2.2.4 灰色DGM(2,1)模型 | 第26页 |
2.2.5 灰色UBGM(1,1)模型 | 第26-27页 |
2.2.6 灰色Verhulst模型 | 第27页 |
2.2.7 灰色线性回归模型 | 第27-28页 |
2.3 基于灰色理论的高速列车轴温时序预测模型构建方法 | 第28页 |
2.4 高速列车轴温预测模型评价指标 | 第28-29页 |
2.5 基于灰色理论的高速列车轴温时序预测模型参数优选 | 第29-32页 |
2.5.1 建模参数说明 | 第29-30页 |
2.5.2 建模参数优选 | 第30-32页 |
2.6 基于灰色理论的高速列车轴温时序预测模型优选 | 第32-35页 |
2.6.1 不同灰色时序预测模型对典型温升曲线变化特征的适用性对比分析.. | 第32-34页 |
2.6.2 不同灰色时序预测模型对高速列车服役轴温预测精度对比分析 | 第34-35页 |
2.7 小结 | 第35-36页 |
第3章 基于偏离度和灰色理论的高速列车轴温时序预测模型 | 第36-48页 |
3.1 基于灰色二次回归的高速列车轴温时序预测模型 | 第36-42页 |
3.1.1 模型构建 | 第37-38页 |
3.1.2 实例验证及结果分析 | 第38-42页 |
3.2 基于均权的灰色二次回归与GM(1,1)组合轴温时序预测模型 | 第42-45页 |
3.2.1 模型构建 | 第42-43页 |
3.2.2 实例验证及结果分析 | 第43-45页 |
3.3 基于偏离度的灰色二次回归与GM(1,1)组合轴温时序预测模型 | 第45-46页 |
3.3.1 模型构建 | 第45页 |
3.3.2 实例验证及结果分析 | 第45-46页 |
3.4 小结 | 第46-48页 |
第4章 基于多工况因素和灰色理论的高速列车轴温预测模型 | 第48-59页 |
4.1 高速列车轴承温升敏感工况因素的分析与选取 | 第49-51页 |
4.1.1 工况因素对轴温的影响分析 | 第49页 |
4.1.2 工况因素与轴温的灰关联分析 | 第49-51页 |
4.2 基于多工况因素和GM(1,N)的高速列车轴温预测模型 | 第51-54页 |
4.2.1 灰色多元轴温预测模型构建方法 | 第51-52页 |
4.2.2 多元预测模型 | 第52页 |
4.2.3 基于灰色GM(1,N)模型的轴温预测模型 | 第52-54页 |
4.3 基于多工况因素和GM(1,N)的高速列车轴温预测模型优化 | 第54-58页 |
4.3.1 运行阶段划分 | 第54-55页 |
4.3.2 启动与制动段轴温预测优化 | 第55-56页 |
4.3.3 基于阶段划分的高速列车轴温预测模型优化 | 第56-57页 |
4.3.4 轴温预测结果与对比分析 | 第57-58页 |
4.4 小结 | 第58-59页 |
第5章 高速列车轴温实时预测预警系统开发 | 第59-74页 |
5.1 高速列车轴温实时预测预警策略 | 第59-63页 |
5.1.1 高速列车轴温预警报警既有机制 | 第59-61页 |
5.1.2 高速列车轴温实时预测预警策略 | 第61-63页 |
5.2 系统设计与开发 | 第63-69页 |
5.2.1 开发及运行环境 | 第63页 |
5.2.2 系统架构 | 第63页 |
5.2.3 数据通信模块 | 第63-65页 |
5.2.4 数据导流及清洗模块 | 第65-66页 |
5.2.5 数据计算模块 | 第66页 |
5.2.6 数据显示模块 | 第66-69页 |
5.3 系统应用实例 | 第69-74页 |
总结与展望 | 第74-76页 |
总结 | 第74-75页 |
展望 | 第75-76页 |
致谢 | 第76-77页 |
参考文献 | 第77-82页 |
攻读硕士期间作者的科研成果 | 第82页 |