| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-23页 |
| 1.1 论文的选题意义 | 第11-13页 |
| 1.2 故障检测、诊断、容错的研究近状和发展趋势 | 第13-20页 |
| 1.2.1 国内外研究现状 | 第13-17页 |
| 1.2.2 发展趋势 | 第17-20页 |
| 1.3 文章的研究内容 | 第20-23页 |
| 2 支持向量机基本原理及执行器故障程度识别方法 | 第23-41页 |
| 2.1 支持向量机的基本理论 | 第23-30页 |
| 2.1.1 机器学习 | 第24-25页 |
| 2.1.2 支持向量机的回归原理 | 第25-29页 |
| 2.1.3 核函数 | 第29-30页 |
| 2.2 基于支持向量机的列车执行器故障程度识别 | 第30-34页 |
| 2.3 仿真结果 | 第34-38页 |
| 2.4 本章小结 | 第38-41页 |
| 3 高速列车模型的建立 | 第41-49页 |
| 3.1 单质点模型 | 第41-43页 |
| 3.2 多质点模型 | 第43-48页 |
| 3.2.1 一般多质点模型 | 第43-44页 |
| 3.2.2 考虑车厢之间相互作用力的多质点模型 | 第44-46页 |
| 3.2.3 考虑车厢之间相互作用力的多质点单位移模型 | 第46-48页 |
| 3.3 本章小结 | 第48-49页 |
| 4 神经网络基本理论及其自适应策略简述 | 第49-55页 |
| 4.1 径向基函数网络的基本理论 | 第49-51页 |
| 4.2 一类非线性系统模型 | 第51页 |
| 4.3 自适应神经网络控制方法 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 高速列车执行器容错控制 | 第55-85页 |
| 5.1 执行器故障模型的建立 | 第55-57页 |
| 5.2 控制器设计 | 第57-65页 |
| 5.2.1 基于神经网络的容错控制器设计 | 第58-64页 |
| 5.2.2 鲁棒自适应控制器设计 | 第64-65页 |
| 5.3 重构控制器设计 | 第65-72页 |
| 5.3.1 基于神经网络的重构容错控制器设计 | 第66-71页 |
| 5.3.2 重构鲁棒自适应控制器设计 | 第71-72页 |
| 5.4 仿真验证 | 第72-82页 |
| 5.5 本章小结 | 第82-85页 |
| 6 结论与展望 | 第85-87页 |
| 6.1 结论 | 第85-86页 |
| 6.2 问题与展望 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 作者简历 | 第91-95页 |
| 学位论文数据集 | 第95页 |