铁道信号基础设备在线监测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 铁道信号基础设备在线监测方法研究现状 | 第10-13页 |
| 1.2.1 信号微机监测研究现状 | 第10-11页 |
| 1.2.2 故障诊断技术研究现状 | 第11-13页 |
| 1.3 铁道信号基础设备简介 | 第13-15页 |
| 1.4 论文主要研究内容 | 第15-17页 |
| 第二章 数据采集系统介绍 | 第17-26页 |
| 2.1 课题总体架构 | 第17页 |
| 2.2 转辙机控制电路信号采集器介绍 | 第17-23页 |
| 2.2.1 转辙机控制电路信号采集器硬件电路介绍 | 第18-23页 |
| 2.2.2 转辙机控制电路信号采集器软件介绍 | 第23页 |
| 2.3 轨道电路信号采集器介绍 | 第23-25页 |
| 2.4 本章小节 | 第25-26页 |
| 第三章 轨道电路故障参数提取方法 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 基于FFT的参数提取算法 | 第26-30页 |
| 3.2.1 基于FFT的参数提取方法 | 第26-28页 |
| 3.2.2 干扰条件下基于FFT的参数提取方法 | 第28-30页 |
| 3.3 基于小波变换的轨道电路特征参数提取 | 第30-35页 |
| 3.3.1 小波变换理论 | 第30-33页 |
| 3.3.2 基于小波变换的轨道电路特征参数提取 | 第33-35页 |
| 3.4 本章小节 | 第35-36页 |
| 第四章 铁道信号基础设备故障识别方法 | 第36-58页 |
| 4.1 人工神经网络 | 第36页 |
| 4.2 基于神经网络的道岔控制电路故障识别方法 | 第36-48页 |
| 4.2.1 BP神经网络 | 第36-39页 |
| 4.2.2 BP神经网络的设计 | 第39-40页 |
| 4.2.3 BP神经网络的训练和测试 | 第40-43页 |
| 4.2.4 RBF神经网络 | 第43-46页 |
| 4.2.5 RBF神经网络的设计及测试 | 第46-48页 |
| 4.2.6 BP神经网络与RBF神经网络算法讨论 | 第48页 |
| 4.3 基于模糊神经网络的轨道电路故障识别方法 | 第48-57页 |
| 4.3.1 模糊神经网络 | 第48-50页 |
| 4.3.2 基于模糊神经网络的故障诊断模型 | 第50-55页 |
| 4.3.3 模糊神经网络的训练与测试 | 第55-57页 |
| 4.4 本章小节 | 第57-58页 |
| 第五章 系统测试 | 第58-64页 |
| 5.1 软件平台的选择 | 第58-59页 |
| 5.2 系统测试 | 第59-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68-69页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第69页 |
