| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-18页 |
| 1.1 课题的研究背景及研究意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15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页 |
| 1.3 课题的主要研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 2 制动闸片寿命预测相关理论与技术 | 第18-27页 |
| 2.1 制动闸片寿命预测关键技术分析 | 第18-22页 |
| 2.1.1 动车组制动系统简介 | 第18-19页 |
| 2.1.2 制动闸片寿命预测的关键技术 | 第19-20页 |
| 2.1.3 制动闸片磨损相关参数分析 | 第20-22页 |
| 2.2 建模方法的研究 | 第22-24页 |
| 2.3 制动闸片磨损量估算模型的建立方案 | 第24-26页 |
| 2.3.1 相关数据的获取 | 第24-25页 |
| 2.3.2 模型的建立 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 动车组实时运行数据的获取技术 | 第27-36页 |
| 3.1 无线传输设备 | 第28-29页 |
| 3.2 网络传输通道 | 第29-33页 |
| 3.2.1 动车组运行状况下的无线网络环境 | 第29-30页 |
| 3.2.2 无线网络的选择 | 第30-31页 |
| 3.2.3 使用GPRS网络建立传输通道 | 第31-33页 |
| 3.3 服务器接收系统 | 第33页 |
| 3.4 动车组实时运行数据 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 改进的BP神经网络模型 | 第36-48页 |
| 4.1 人工神经网络 | 第36-41页 |
| 4.1.1 人工神经网络基本概念 | 第36-37页 |
| 4.1.2 人工神经网络的分类 | 第37-38页 |
| 4.1.3 层次型神经网络的结构 | 第38-41页 |
| 4.2 BP神经网络模型 | 第41-45页 |
| 4.2.1 BP神经网络基本概念 | 第41页 |
| 4.2.2 BP算法 | 第41-43页 |
| 4.2.3 监督学习的学习机制 | 第43-45页 |
| 4.3 BP神经网络的改进 | 第45-47页 |
| 4.3.1 传统BP算法存在的缺陷 | 第45页 |
| 4.3.2 BP算法的改进 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 基于改进BP神经网络的磨损量估算模型 | 第48-64页 |
| 5.1 数据预处理 | 第48-51页 |
| 5.1.1 数据去噪 | 第48-49页 |
| 5.1.2 特征选取 | 第49-50页 |
| 5.1.3 特征数据处理 | 第50-51页 |
| 5.2 网络结构的确定 | 第51-53页 |
| 5.3 模型的训练 | 第53-59页 |
| 5.3.1 Matlab神经网络工具箱中的常用函数 | 第53-54页 |
| 5.3.2 改进算法的实现及性能优化分析 | 第54-57页 |
| 5.3.3 结果分析 | 第57-59页 |
| 5.4 制动闸片磨损量估算模型的实现 | 第59-63页 |
| 5.4.1 软件构件的基本概念 | 第59-60页 |
| 5.4.2 构件的功能介绍 | 第60页 |
| 5.4.3 构件的运行环境 | 第60页 |
| 5.4.4 构件的设计 | 第60-61页 |
| 5.4.5 构件的实现 | 第61-63页 |
| 5.4.6 构件的应用实例 | 第63页 |
| 5.5 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 作者简历 | 第69-71页 |
| 学位论文数据集 | 第71页 |