| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-17页 |
| 1.1 论文选题背景介绍 | 第13-14页 |
| 1.2 论文故障特征分析算法介绍 | 第14-15页 |
| 1.2.1 流形学习故障特征降维 | 第14页 |
| 1.2.2 压缩感知故障特征降维 | 第14-15页 |
| 1.3 故障特征分析现状及本文研究思路 | 第15-16页 |
| 1.4 论文章节安排 | 第16-17页 |
| 第2章 走行部若干故障类型及实验数据介绍 | 第17-32页 |
| 2.1 数据来源及仿真环境介绍 | 第17-20页 |
| 2.1.1 数据1详细介绍 | 第17-19页 |
| 2.1.2 数据2详细介绍 | 第19页 |
| 2.1.3 数据3详细介绍 | 第19-20页 |
| 2.2 常规统计指标介绍 | 第20页 |
| 2.3 SVD理论 | 第20-21页 |
| 2.4 走行部常见故障介绍及初步分析 | 第21-26页 |
| 2.4.1 抗蛇形减振器失效分析 | 第22页 |
| 2.4.2 空气弹簧失效分析 | 第22-23页 |
| 2.4.3 横向减振器失效分析 | 第23-24页 |
| 2.4.4 复合故障失效分析 | 第24页 |
| 2.4.5 走行部单一、复合故障特征初步分析 | 第24-25页 |
| 2.4.6 复合故障形成机理探究 | 第25-26页 |
| 2.5 行车速度变化对列车运行平稳性的影响探究 | 第26-29页 |
| 2.6 轴承故障标准数据集特征初步分析 | 第29-31页 |
| 2.6.1 轴承单故障数据初步分析 | 第29-30页 |
| 2.6.2 轴承内环性能退化数据初步分析 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 基于多尺度信息熵与流形学习的走行部单一、复合故障特征分析 | 第32-45页 |
| 3.1 基于多尺度信息熵的故障特征提取 | 第32-37页 |
| 3.1.1 多尺度信息熵原理 | 第32-33页 |
| 3.1.2 奇异谱熵算法 | 第33页 |
| 3.1.3 Renyi熵算法 | 第33-34页 |
| 3.1.4 幅值谱熵算法 | 第34页 |
| 3.1.5 基于多尺度信息熵的仿真信号实验 | 第34-35页 |
| 3.1.6 基于多尺度信息熵的轴承故障标准数据集实验 | 第35-36页 |
| 3.1.7 基于多尺度信息熵的走行部单一、复合故障数据实验 | 第36-37页 |
| 3.2 基于S-ISOMAP与Fisher比率的故障特征分析 | 第37-43页 |
| 3.2.1 S-ISOMAP算法降维原理 | 第37-38页 |
| 3.2.2 Fisher比率特征评价原理 | 第38-39页 |
| 3.2.3 基于S-ISOMAP及Fisher比率的特征分析步骤 | 第39-40页 |
| 3.2.4 基于S-ISOMAP与Fisher比率的轴承故障标准数据集实验 | 第40-41页 |
| 3.2.5 基于S-ISOMAP与Fisher比率的走行部单一、复合故障数据实验 | 第41-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第4章 基于奇异谱相对熵与灰色绝对关联度的性能退化研究 | 第45-52页 |
| 4.1 性能退化数据特征分析算法介绍 | 第45-47页 |
| 4.1.1 奇异谱相对熵算法 | 第45-46页 |
| 4.1.2 灰色绝对关联度算法 | 第46页 |
| 4.1.3 性能退化数据特征分析流程 | 第46-47页 |
| 4.2 基于奇异谱相对熵与灰色绝对关联度的仿真信号实验 | 第47-48页 |
| 4.3 基于奇异谱相对熵与灰色绝对关联度的轴承内环性能退化实验 | 第48-49页 |
| 4.4 基于奇异谱相对熵与灰色绝对关联度的车轮踏面磨损数据实验 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 基于二次统计特征提取与压缩感知降维的故障分析 | 第52-61页 |
| 5.1 基于二次统计特征提取的故障分析模型 | 第52-55页 |
| 5.1.1 二次统计特征原理 | 第52-53页 |
| 5.1.2 轴承故障标准数据集的二次统计特征提取 | 第53-54页 |
| 5.1.3 全拆状态下的走行部故障数据二次特征提取实验 | 第54-55页 |
| 5.1.4 非全拆状态下的走行部故障数据二次特征提取实验 | 第55页 |
| 5.2 基于压缩感知的故障特征降维 | 第55-60页 |
| 5.2.1 压缩感知算法 | 第55-56页 |
| 5.2.2 基于压缩感知的故障特征降维步骤 | 第56-57页 |
| 5.2.3 基于压缩感知降维的轴承故障标准数据集实验 | 第57页 |
| 5.2.4 全拆状态下的走行部故障数据压缩感知降维实验 | 第57-59页 |
| 5.2.5 非全拆状态下的走行部故障数据压缩感知降维实验 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 总结及展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的学术论文和参与的项目 | 第70页 |
