首页> 中文学位 >基于机器学习的车载ATC设备非侵入式运维系统研究
【6h】

基于机器学习的车载ATC设备非侵入式运维系统研究

代理获取

目录

声明

致谢

缩略词注释表

1 引言

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 车载 ATC设备状态监测技术现状

1.2.2 车载 ATC设备故障诊断技术现状

1.3 论文的主要工作

2 车载 ATC 设备及其故障分析

2.1 车载 ATC设备结构及其功能概述

2.2 车载 ATC设备故障及行车日志表现分析

2.2.1 设备故障分类总结及典型故障分析

2.2.2 设备故障时刻行车日志表现分析

2.3 基于行车日志的故障特征提取方法

2.3.1 基于维修经验的故障特征项提取原则

2.3.2 基于压缩矩阵(CM)的 Apriori 算法原理

2.3.3 基于 CM-Apriori算法的故障特征关联规则分析

2.4 本章小结

3 非侵入式电信号采集系统设计

3.1 车载 ATC设备待采集电信号介绍

3.2 非侵入式电信号采集技术及传感器选型

3.2.1 非侵入式磁通门传感器采集原理

3.2.2 RCMU型磁通门传感器

3.3 非侵入式车载 ATC设备电信号采集系统设计

3.3.1 信号采集模块电路设计及功能测试

3.3.2 信号采集组合式单元电路设计及功能测试

3.4 本章小结

4 多算法三取二决策故障分类模型研究

4.1 车载 ATC设备故障数据仿真及处理

4.1.1 基于 MTC-1 型 CBTC系统实验平台的行车日志仿真

4.1.2 构建故障样本数据集

4.2 基于 GeNIe- BN 网络的故障分类模型

4.2.1 BN网络基础知识

4.2.2 基于 MCMC与 K2 算法的 BN网络结构学习

4.2.3 基于期望最大化算法(EM)的 BN网络参数学习

4.2.4 基于 GeNIe环境的 BN网络模型推理

4.3 基于 CART-决策树的故障分类模型

4.3.1 CART-决策树算法基础知识

4.3.2 CART-决策树模型调参

4.4 基于粒子群算法(PSO)的 SVM故障分类模型

4.4.1 SVM分类算法基础知识

4.4.2 SVM模型参数调整

4.4.3 基于 PSO算法的 SVM模型参数寻优

4.5 算法模型对比及三取二决策模型构建

4.6 本章小结

5 非侵入式运维系统软件设计与实现

5.1 车载 ATC设备接口监测上位机

5.1.1 软件功能设计

5.1.2 软件功能实现

5.2 行车日志特征提取软件

5.2.1 软件功能设计

5.2.2 软件功能实现

5.3 本章小结

6 总结与展望

6.1 成果总结

6.2 研究展望

参考文献

图索引

表索引

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集

展开▼

著录项

  • 作者

    李弘扬;

  • 作者单位

    北京交通大学;

  • 授予单位 北京交通大学;
  • 学科 交通信息工程及控制
  • 授予学位 硕士
  • 导师姓名 付文秀;
  • 年度 2020
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 TP3TB9;
  • 关键词

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号