| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 1 引言 | 第16-34页 |
| 1.1 研究背景 | 第16-19页 |
| 1.2 研究目的和意义 | 第19-20页 |
| 1.3 研究现状综述 | 第20-29页 |
| 1.3.1 安全系统工程学研究综述 | 第21-23页 |
| 1.3.2 智能工程研究综述 | 第23-25页 |
| 1.3.3 轨道车辆故障诊断技术研究综述 | 第25-29页 |
| 1.4 论文主要研究内容及结构安排 | 第29-34页 |
| 1.4.1 论文主要研究内容 | 第29-30页 |
| 1.4.2 论文组织结构 | 第30-34页 |
| 2 智能安全工程模型及其求解方法 | 第34-54页 |
| 2.1 提出背景 | 第34-35页 |
| 2.2 理论基础 | 第35-37页 |
| 2.2.1 安全系统工程概论 | 第35页 |
| 2.2.2 智能工程概论 | 第35-37页 |
| 2.3 理论模型描述 | 第37-51页 |
| 2.3.1 智能安全认识论分析 | 第37-39页 |
| 2.3.2 安全控制基础分析 | 第39-45页 |
| 2.3.3 智能安全工程模型 | 第45-47页 |
| 2.3.4 可测域求解模型 | 第47-49页 |
| 2.3.5 因果链求解模型 | 第49-51页 |
| 2.4 基于数据驱动的B-2s问题求解推演机制 | 第51-53页 |
| 2.4.1 可测域推演方法分析 | 第51-52页 |
| 2.4.2 因果链推演方法分析 | 第52-53页 |
| 2.5 本章小结 | 第53-54页 |
| 3 基于FCEEMD的滚动轴承振动信号时频分解技术 | 第54-80页 |
| 3.1 列车轮对轴箱轴承简介 | 第54-57页 |
| 3.1.1 滚动轴承结构及振动机理 | 第55-56页 |
| 3.1.2 列车轴箱轴承故障机理及失效形式 | 第56-57页 |
| 3.2 基于LMD的可测域推演技术 | 第57-62页 |
| 3.2.1 LMD的算法原理及实现步骤 | 第57-59页 |
| 3.2.2 基于LMD的可测域推演方法 | 第59-62页 |
| 3.3 基于快速EMD系列的可测域推演技术 | 第62-67页 |
| 3.3.1 EMD原理及可测域推演过程 | 第62-64页 |
| 3.3.2 EEMD原理 | 第64-65页 |
| 3.3.3 FEEMD原理 | 第65-66页 |
| 3.3.4 FCEEMD原理 | 第66-67页 |
| 3.4 滚动轴承振动信号的可测域推演实验分析 | 第67-79页 |
| 3.4.1 美国凯斯西储大学轴承振动试验台数据分析 | 第67-74页 |
| 3.4.2 轨道交通控制与安全国家重点实验室平台数据分析 | 第74-79页 |
| 3.5 本章小结 | 第79-80页 |
| 4 基于多维特征矩阵融合的滚动轴承故障状态表征技术 | 第80-102页 |
| 4.1 多维特征矩阵提取 | 第80-90页 |
| 4.1.1 常见的特征指标 | 第80-85页 |
| 4.1.2 相关熵计算方法 | 第85-87页 |
| 4.1.3 基于IMF的增强相关熵特征提取方法 | 第87-90页 |
| 4.2 基于数据驱动的特征融合方法 | 第90-92页 |
| 4.2.1 主成分分析法 | 第90-91页 |
| 4.2.2 融合特征评价指标 | 第91-92页 |
| 4.3 多工况下滚动轴承状态表征实验 | 第92-99页 |
| 4.3.1 工况交叉的滚动轴承状态表征实验 | 第92-95页 |
| 4.3.2 列车轴箱轴承在途故障表征模拟实验 | 第95-99页 |
| 4.4 本章小结 | 第99-102页 |
| 5 基于贝叶斯框架下LSSVM的滚动轴承安全状态辨识技术 | 第102-134页 |
| 5.1 支持向量机理论基础 | 第102-113页 |
| 5.1.1 统计学习理论 | 第102-107页 |
| 5.1.2 支持向量机原理 | 第107-113页 |
| 5.2 多分类支持向量机原理 | 第113-116页 |
| 5.2.1 一对多SVM | 第113-114页 |
| 5.2.2 一对一SVM | 第114页 |
| 5.2.3 二叉树SVM | 第114-115页 |
| 5.2.4 有向无环图SVM | 第115-116页 |
| 5.3 贝叶斯框架下的支持向量机原理 | 第116-120页 |
| 5.3.1 概率推理层 | 第116-117页 |
| 5.3.2 超参数推理层 | 第117-118页 |
| 5.3.3 核参数推理层 | 第118-119页 |
| 5.3.4 整体设计与应用 | 第119-120页 |
| 5.4 可测域状态估计实验 | 第120-132页 |
| 5.4.1 单工况的滚动轴承故障辨识估计 | 第121-128页 |
| 5.4.2 工况交叉的滚动轴承安全辨识估计 | 第128-132页 |
| 5.5 本章小结 | 第132-134页 |
| 6 基于扩展时间模糊信息PETRI网的因果链推演技术 | 第134-150页 |
| 6.1 PETRI网基本原理 | 第134-137页 |
| 6.1.1 Petri网的基本概念 | 第134-135页 |
| 6.1.2 Petri网的基本结构 | 第135页 |
| 6.1.3 Petri网的基本运算规则 | 第135-137页 |
| 6.2 TC-PPN算法分析 | 第137-144页 |
| 6.2.1 时间可能性模型分析 | 第137-138页 |
| 6.2.2 贝叶斯概率推理技术 | 第138-139页 |
| 6.2.3 TC-PPN算法分析 | 第139-142页 |
| 6.2.4 事件的ODDT分析 | 第142-144页 |
| 6.3 基于TC-PPN的因果链解耦及隐患挖掘方法 | 第144-149页 |
| 6.3.1 求解因果链的方法分析 | 第144-145页 |
| 6.3.2 因果链解耦计算 | 第145-147页 |
| 6.3.3 因果链溯因分析 | 第147-149页 |
| 6.3.4 基于TC-PPN因果链的B-2S问题解析过程 | 第149页 |
| 6.4 本章小结 | 第149-150页 |
| 7 基于因果链推理的城轨列车门系统隐患挖掘仿真应用 | 第150-172页 |
| 7.1 城轨列车客室车门结构及功能分析 | 第150-156页 |
| 7.1.1 正常开门功能 | 第151-152页 |
| 7.1.2 正常关门功能 | 第152-153页 |
| 7.1.3 关门障碍检测功能 | 第153-154页 |
| 7.1.4 车门隔离功能 | 第154-155页 |
| 7.1.5 车门紧急解锁功能 | 第155页 |
| 7.1.6 强制开门功能 | 第155-156页 |
| 7.2 城轨列车客室车门开门过程的隐患挖掘实验 | 第156-170页 |
| 7.2.1 仿真实验环境 | 第156-157页 |
| 7.2.2 实验目的、假设和要求 | 第157-161页 |
| 7.2.3 车门功能隐患挖掘仿真实验 | 第161-170页 |
| 7.3 本章小结 | 第170-172页 |
| 8 结论与展望 | 第172-176页 |
| 8.1 主要研究结论 | 第172-173页 |
| 8.2 创新点 | 第173-174页 |
| 8.3 展望 | 第174-176页 |
| 参考文献 | 第176-188页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第188-192页 |
| 学位论文数据集 | 第192页 |
