聲明

摘要

英文摘要

目錄

第1章緒論

1．1論文選題背景及意義

1．2國內(nèi)外研究現(xiàn)狀

1．2．1高速列車轉(zhuǎn)向架關(guān)鍵部件安全性研究現(xiàn)狀

1．2．2故障預(yù)測(cè)與健康管理技術(shù)研究現(xiàn)狀

1．2．3故障預(yù)測(cè)與健康管理關(guān)鍵技術(shù)分析

1．2．4故障預(yù)測(cè)與健康管理系統(tǒng)構(gòu)架

1．3本文的主要內(nèi)容與組織結(jié)構(gòu)

第2章高速列車轉(zhuǎn)向架模型建立及分析

2．1引言

2．2高速列車轉(zhuǎn)向架功能、結(jié)構(gòu)及主要部件故障分析

2．2．1高速列車轉(zhuǎn)向架功能及結(jié)構(gòu)組成

2．2．2高速列車轉(zhuǎn)向架懸掛系統(tǒng)典型部件故障分析

2．3基于SIMPACK高速列車轉(zhuǎn)向架多體動(dòng)力學(xué)模型建立

2．3．1高速列車整車模型建立

2．3．2高速列車軌道模型建立及軌道激勵(lì)譜的選擇

2．3．3不同激勵(lì)譜下整車運(yùn)行仿真分析

2．4高速列車轉(zhuǎn)向架不同運(yùn)行工況類型及信號(hào)處理

2．4．1高速列車轉(zhuǎn)向架不同運(yùn)行工況類型

2．4．2高速列車轉(zhuǎn)向架不同運(yùn)行工況分析

2．5本章小結(jié)

第3章基于多域融合的高速列車轉(zhuǎn)向架故障信號(hào)特征提取

3．1引言

3．2高速列車轉(zhuǎn)向架故障信號(hào)時(shí)域特征提取

3．3基于ICEEMDAN的高速列車轉(zhuǎn)向架時(shí)頻域特征提取

3．3．1聚合經(jīng)驗(yàn)?zāi)B(tài)分解特征提取

3．3．2基于ICEEMDAN振動(dòng)信號(hào)特征提取

3．3．3ICEEMDAN分解固有模態(tài)函數(shù)選擇

3．4基于ICEEMDAN分解復(fù)雜度熵特征提取

3．4．1基于ICEEMDAN分解的模糊熵特征提取

3．4．2基于ICEEMDAN分解的排列熵特征提取

3．5基于RCMDE的高速列車轉(zhuǎn)向架故障信號(hào)特征提取

3．5．1多尺度分散熵算法

3．5．2精制復(fù)合多尺度分散熵算法

3．5．3基于精制復(fù)合多尺度分散熵的高速列車故障信號(hào)特征提取

3．6本章小結(jié)

第4章基于多域特征融合和優(yōu)化SVM的高速列車轉(zhuǎn)向架故障診斷

4．1引言

4．2支持向量機(jī)

4．2．1支持向量機(jī)理論

4．2．2智能算法優(yōu)化的支持向量機(jī)

4．3．1基于單通道多域特征融合的全拆故障診斷

4．3．2基于單通道多域特征融合的局部故障診斷

4．4．1基于多通道多域特征融合的特征提取

4．4．2基于最小冗余最大相關(guān)性的特征選擇

4．4．3基于優(yōu)化支持向量機(jī)的高速列車轉(zhuǎn)向架故障診斷

4．5本章小結(jié)

第5章基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的高速列車轉(zhuǎn)向架健康狀態(tài)預(yù)測(cè)

5．2LSTM長短期記憶網(wǎng)絡(luò)

5．2．1循環(huán)神經(jīng)網(wǎng)絡(luò)RNN模型

5．2．2循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)RNN模型反向傳播訓(xùn)練

5．2．3LSTM長短期記憶網(wǎng)絡(luò)

5．3基于LSTM的高速列車轉(zhuǎn)向架健康狀態(tài)預(yù)測(cè)

5．3．1高速列車轉(zhuǎn)向架健康狀態(tài)退化模型

5．3．2高速列車轉(zhuǎn)向架系統(tǒng)健康狀態(tài)預(yù)測(cè)評(píng)價(jià)指標(biāo)

5．3．3基于LSTM的高速列車轉(zhuǎn)向架健康狀態(tài)預(yù)測(cè)

5．4本章小結(jié)

第6章結(jié)論與展望

6．1研究結(jié)論

6．2研究展望

參考文獻(xiàn)

致謝

附錄

相關(guān)知識(shí)

高速列車軸箱軸承健康監(jiān)測(cè)與故障診斷研究綜述
基于可快速測(cè)量參數(shù)的鋰離子電池健康狀態(tài)診斷方法研究.docx
故障預(yù)測(cè)與健康管理——PHM技術(shù)簡介
基于數(shù)字孿生與數(shù)據(jù)驅(qū)動(dòng)的鋰電池健康狀態(tài)快速檢測(cè)方法
基于深度學(xué)習(xí)的旋轉(zhuǎn)機(jī)械健康預(yù)測(cè)研究.docx
故障預(yù)測(cè)與健康管理(PHM)技術(shù)研究.ppt
設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)
基于數(shù)字孿生與數(shù)據(jù)驅(qū)動(dòng)的鋰電池健康狀態(tài)快速檢測(cè)方法與流程
基于支持向量機(jī)和K均值的鋰電池故障診斷方法.pdf
基于數(shù)據(jù)驅(qū)動(dòng)的鋰離子電池健康狀態(tài)估計(jì)及剩余壽命預(yù)測(cè)研究.docx

網(wǎng)址: 基于數(shù)據(jù)驅(qū)動(dòng)的高速列車轉(zhuǎn)向架故障診斷與健康預(yù)測(cè)研究 http://m.u1s5d6.cn/newsview1750507.html