京津城际道岔控制电路原理分析及其故障诊断技术的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-16页 |
| 1.1 论文的选题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 故障诊断技术的研究现状 | 第12-13页 |
| 1.2.2 神经网络技术的研究现状 | 第13-15页 |
| 1.3 论文结构安排 | 第15-16页 |
| 2 京津城际道岔控制电路分析 | 第16-33页 |
| 2.1 道岔控制电路 | 第16-18页 |
| 2.1.1 道岔控制电路组成 | 第16-17页 |
| 2.1.2 道岔控制电路技术要求 | 第17-18页 |
| 2.2 道岔控制电路工作原理 | 第18-27页 |
| 2.2.1 中央单元继电器单元 | 第18-23页 |
| 2.2.2 附加驱动单元继电器单元 | 第23-25页 |
| 2.2.3 电源驱动单元继电器 | 第25-26页 |
| 2.2.4 LED道岔指示灯电路 | 第26-27页 |
| 2.3 动作电路原理 | 第27-29页 |
| 2.4 表示电路原理 | 第29-30页 |
| 2.5 道岔控制电路的故障处理 | 第30-32页 |
| 2.5.1 室内控制电路故障的处理 | 第30页 |
| 2.5.2 室外控制电路故障的处理 | 第30-32页 |
| 2.5.3 道岔机械故障分析与处理 | 第32页 |
| 2.6 本章小结 | 第32-33页 |
| 3 神经网络在道岔控制电路故障诊断中的应用 | 第33-44页 |
| 3.1 人工神经网络概述 | 第33-36页 |
| 3.1.1 人工神经网络的特点 | 第33-34页 |
| 3.1.2 人工神经网络基本原理 | 第34-36页 |
| 3.2 BP神经网络模型 | 第36-38页 |
| 3.3 道岔控制电路故障诊断系统模型的设计 | 第38-43页 |
| 3.3.1 MATLAB神经网络工具箱简介 | 第38-39页 |
| 3.3.2 故障诊断模型的设计过程 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 故障诊断模型的验证及优化 | 第44-53页 |
| 4.1 故障诊断模型的验证 | 第44-45页 |
| 4.2 训练参数对BP神经网络模型的影响 | 第45-49页 |
| 4.2.1 训练函数采用trainlm函数 | 第46-47页 |
| 4.2.2 训练函数采用traingd函数 | 第47-48页 |
| 4.2.3 训练函数采用trainb龟函数 | 第48-49页 |
| 4.3 隐含层神经元节点数目对BP神经网络的影响 | 第49-50页 |
| 4.4 其他改进BP神经网络的方法 | 第50-51页 |
| 4.5 与其他故障诊断技术的对比 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者简介 | 第58-60页 |
| 学位论文数据集 | 第60页 |
