摘要 | 第6-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-18页 |
1.1 论文选题背景及研究意义 | 第12-13页 |
1.1.1 论文的选题背景 | 第12页 |
1.1.2 论文的研究意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-16页 |
1.2.1 故障诊断技术的探索与研究 | 第13-15页 |
1.2.2 轨道电路故障诊断技术研究现状与发展 | 第15-16页 |
1.3 本论文的主要研究内容 | 第16-18页 |
第2章 故障诊断相关理论与方法 | 第18-32页 |
2.1 故障树理论研究 | 第18-23页 |
2.1.1 故障树分析法 | 第18-20页 |
2.1.2 故障树构建 | 第20-21页 |
2.1.3 FTA定性分析 | 第21-22页 |
2.1.4 FTA定量分析 | 第22-23页 |
2.2 模糊逻辑系统 | 第23-24页 |
2.2.1 模糊集合与隶属度函数 | 第23页 |
2.2.2 隶属度函数确定方法 | 第23-24页 |
2.3 人工神经网络 | 第24-28页 |
2.3.1 人工神经网络结构特点 | 第24-25页 |
2.3.2 经典BP神经网络 | 第25-26页 |
2.3.3 误差反向传播法 | 第26-28页 |
2.4 模糊神经网络 | 第28-31页 |
2.4.1 基于Mamdani模糊逻辑的模糊神经网络 | 第28-29页 |
2.4.2 基于T-S模糊逻辑的模糊神经网络 | 第29-31页 |
2.5 本章小结 | 第31-32页 |
第3章 基于Mamdani模糊神经网络的相敏轨道电路故障诊断 | 第32-46页 |
3.1 25Hz相敏轨道电路的组成和原理 | 第32-33页 |
3.2 25Hz相敏轨道电路常见故障 | 第33-35页 |
3.2.1 25Hz相敏轨道电路基本工作状态 | 第33-34页 |
3.2.2 25Hz相敏轨道电路故障分析 | 第34-35页 |
3.3 25Hz相敏轨道电路智能故障诊断模型建立 | 第35-38页 |
3.4 基于自适应-动量学习机制的Mamdani模糊神经网络故障诊断改进方法 | 第38-42页 |
3.4.1 自适应-动量BP学习机制 | 第38-40页 |
3.4.2 系统参数初始化分析 | 第40-42页 |
3.5 仿真实验分析 | 第42-45页 |
3.5.1 方法分析对比 | 第42-43页 |
3.5.2 学习调整过程分析 | 第43-44页 |
3.5.3 故障诊断效果验证 | 第44-45页 |
3.6 本章小结 | 第45-46页 |
第4章 基于FTA与多层次模糊神经子网的ZPW-2000轨道电路红光带故障诊断 | 第46-63页 |
4.1 ZPW-2000A型无绝缘移频轨道电路系统 | 第46-48页 |
4.1.1 系统的基本设备组成与功能分析 | 第46-48页 |
4.1.2 系统的工作原理与常见设备故障 | 第48页 |
4.2 故障诊断方法总体设计思路 | 第48-49页 |
4.3 基于FTA的ZPW-2000A轨道电路红光带故障分析 | 第49-54页 |
4.3.1 轨道电路系统故障树构建 | 第49-51页 |
4.3.2 轨道电路系统故障树分析 | 第51-54页 |
4.4 故障诊断规则提取 | 第54-56页 |
4.4.1 室内外故障判别规则 | 第54-55页 |
4.4.2 室内设备故障诊断规则 | 第55页 |
4.4.3 室外设备故障诊断规则 | 第55-56页 |
4.5 ZPW-2000A轨道电路红光带智能故障诊断模型建立 | 第56-59页 |
4.5.1 诊断系统模型建立 | 第57-59页 |
4.5.2 动量BP学习机制 | 第59页 |
4.6 仿真实验分析 | 第59-62页 |
4.7 本章小结 | 第62-63页 |
第5章 TCFD轨道电路智能故障诊断系统设计与实现 | 第63-73页 |
5.1 系统结构设计与模块功能介绍 | 第63-64页 |
5.2 系统界面主要功能的实现分析 | 第64-72页 |
5.2.1 25Hz相敏轨道电路故障诊断子系统 | 第65-68页 |
5.2.2 ZPW-2000A无绝缘移频轨道电路红光带故障诊断子系统主界面 | 第68-72页 |
5.3 本章小结 | 第72-73页 |
总结与展望 | 第73-75页 |
致谢 | 第75-76页 |
参考文献 | 第76-79页 |
攻读硕士期间发表的论文及参与的科研项目 | 第79页 |