| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 信号特征提取的意义和高速列车的安全运行 | 第10页 |
| 1.2 基于监测数据的列车故障特征提取的国内外研究现状 | 第10-11页 |
| 1.3 提取特征的时频分析方法 | 第11-12页 |
| 1.4 本文研究内容 | 第12页 |
| 1.5 本文结构安排 | 第12-14页 |
| 第二章 高速列车不同工况数据分析 | 第14-22页 |
| 2.1 高速列车走行部振动分析 | 第14-16页 |
| 2.2 列车不同工况及其分析 | 第16-20页 |
| 2.2.1 监测数据简介 | 第16页 |
| 2.2.2 空簧失气 | 第16-18页 |
| 2.2.3 抗蛇行全拆 | 第18-19页 |
| 2.2.4 横向减振器全拆 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 第三章 基于小波分析的列车不同工况特征分析 | 第22-44页 |
| 3.1 小波变换 | 第22-23页 |
| 3.1.1 连续小波分析 | 第22-23页 |
| 3.1.2 离散小波变换 | 第23页 |
| 3.2 小波包变换 | 第23-25页 |
| 3.2.1 小波包理论分析 | 第23-24页 |
| 3.2.2 小波包算法实现 | 第24-25页 |
| 3.3 小波包分解层数的确定 | 第25页 |
| 3.4 小波基函数的选择 | 第25-26页 |
| 3.5 基于小波尺度能量的振动信号特征提取 | 第26-31页 |
| 3.5.1 模拟数据分析 | 第27-28页 |
| 3.5.2 仿真数据分析 | 第28-31页 |
| 3.6 基于小波包峭度的振动信号特征提取 | 第31-35页 |
| 3.6.1 仿真数据分析 | 第32-35页 |
| 3.7 高速列车不同工况的识别过程 | 第35-43页 |
| 3.7.1 VC维的本质和结构风险最小化 | 第36页 |
| 3.7.2 SVM的基本原理 | 第36-37页 |
| 3.7.3 交叉验证方法介绍 | 第37-38页 |
| 3.7.4 基于小波尺度能量特征向量的状态识别 | 第38-41页 |
| 3.7.5 基于小波包峭度特征向量的状态识别 | 第41-43页 |
| 3.8 本章小结 | 第43-44页 |
| 第四章 基于小波谱峭度的列车不同工况特征分析 | 第44-48页 |
| 4.1 谱峭度的定义 | 第44页 |
| 4.2 基于小波分析的谱峭度算法 | 第44-45页 |
| 4.3 基于复平移Morlet小波的谱峭度计算 | 第45页 |
| 4.4 仿真数据分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 参数渐变工况和多故障工况分析 | 第48-62页 |
| 5.1 参数渐变工况特征分析 | 第48-56页 |
| 5.1.1 基于小波尺度能量的参数渐变特征分析 | 第48-54页 |
| 5.1.2 基于小波包峭度的参数渐变特征分析 | 第54-56页 |
| 5.2 多故障工况特征分析 | 第56-61页 |
| 5.2.1 基于小波尺度能量的多故障特征分析 | 第57-60页 |
| 5.2.2 基于小波包峭度的多故障特征分析 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70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 |