| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-21页 |
| 1.1 研究背景、目的及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 城轨列车客室车门故障诊断研究现状 | 第13-16页 |
| 1.2.2 逼近于理想解排序方法的研究现状 | 第16-17页 |
| 1.2.3 贝叶斯网络的研究现状 | 第17-18页 |
| 1.3 研究内容和结构安排 | 第18-21页 |
| 1.3.1 研究思路及创新点 | 第18-20页 |
| 1.3.2 研究内容 | 第20-21页 |
| 2 城轨列车客室车门系统结构及故障统计分析 | 第21-31页 |
| 2.1 城轨列车客室车门系统分析 | 第21-23页 |
| 2.1.1 城轨列车客室车门系统组成 | 第21-22页 |
| 2.1.2 城轨列车客室车门系统工作原理 | 第22页 |
| 2.1.3 城轨列车客室车门系统的主要功能 | 第22-23页 |
| 2.2 城轨列车客室车门系统故障统计分析 | 第23-29页 |
| 2.2.1 城轨列车各子系统故障统计分析 | 第23-24页 |
| 2.2.2 城轨列车车门系统故障统计分析 | 第24-25页 |
| 2.2.3 城轨列车客室车门系统故障统计分析 | 第25页 |
| 2.2.4 城轨列车客室车门系统月故障统计分析 | 第25-26页 |
| 2.2.5 城轨列车客室车门子系统月故障统计分析 | 第26-29页 |
| 2.3 城轨列车客室车门系统故障模式分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 城轨列车客室车门系统故障树分析方法研究 | 第31-46页 |
| 3.1 故障树分析法理论基础 | 第31-34页 |
| 3.1.1 故障树的数学基础 | 第31-32页 |
| 3.1.2 故障树分析指标定义及结构函数 | 第32-34页 |
| 3.2 故障树分析的步骤 | 第34-39页 |
| 3.2.1 故障树的建造 | 第35-37页 |
| 3.2.2 故障树的定性分析 | 第37-39页 |
| 3.2.3 故障树的定量计算 | 第39页 |
| 3.3 城轨列车客室车门系统故障树分析 | 第39-45页 |
| 3.3.1 城轨列车客室车门系统故障树的建立 | 第39-40页 |
| 3.3.2 城轨列车客室车门系统故障树简化 | 第40-41页 |
| 3.3.3 城轨列车客室车门系统故障树定性分析 | 第41-42页 |
| 3.3.4 城轨列车客室车门系统故障树定量计算 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于改进的TOPSIS法的客室车门系统故障诊断研究 | 第46-54页 |
| 4.1 传统的TOPSIS法概述 | 第46-47页 |
| 4.2 改进的TOPSIS法 | 第47-49页 |
| 4.2.1 传统的TOPSIS法的不足及改进 | 第47-48页 |
| 4.2.2 加权最小平方法 | 第48-49页 |
| 4.3 模型仿真与实例分析 | 第49-53页 |
| 4.4 本章总结 | 第53-54页 |
| 5 基于贝叶斯网络的客室车门系统故障诊断研究 | 第54-72页 |
| 5.1 贝叶斯网络概述 | 第54-61页 |
| 5.1.1 概率论基础 | 第54页 |
| 5.1.2 贝叶斯网络 | 第54-60页 |
| 5.1.3 技术优势分析 | 第60-61页 |
| 5.2 贝叶斯网络模型的构建 | 第61-64页 |
| 5.2.1 模型转化 | 第61-62页 |
| 5.2.2 模型建立 | 第62-63页 |
| 5.2.3 模型节点赋值 | 第63-64页 |
| 5.3 模型仿真与实例分析 | 第64-70页 |
| 5.3.1 仿真模型的建立 | 第65页 |
| 5.3.2 模型的参数学习 | 第65-68页 |
| 5.3.3 模型的推理 | 第68-70页 |
| 5.4 本章小结 | 第70-72页 |
| 6 结论与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 研究展望 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录A | 第77-78页 |
| 附录B | 第78-84页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第84-86页 |
| 学位论文数据集 | 第86页 |