高速鐵路牽引供電系統(tǒng)狀態(tài)監(jiān)測與維修決策

第1章緒論
11問題的提出
12國內(nèi)外研究現(xiàn)狀分析
121牽引供電狀態(tài)檢測與維修現(xiàn)狀
122設(shè)備故障狀態(tài)監(jiān)測與狀態(tài)維修優(yōu)化建模方法
 13本書研究目標(biāo)與研究內(nèi)容
 14本書主要內(nèi)容
第2章基于Markov過程的組合式同相供電裝置狀態(tài)維修決策
優(yōu)化研究21引言
22組合式同相供電方案的結(jié)構(gòu)與特點(diǎn)
221傳統(tǒng)同相供電方案
222組合式同相供電方案
23組合式同相供電裝置
231裝置構(gòu)成
232工作模式
233故障模式
24組合式同相供電裝置可靠性分析
241符號定義
242假設(shè)條件
243可靠性建模
244算例分析
25考慮故障狀態(tài)的組合式同相供電裝置維修決策優(yōu)化模型
251故障狀態(tài)
252維修決策優(yōu)化模型
253算例分析
26小結(jié)
第3章基于振動信號分析的高鐵接觸網(wǎng)補(bǔ)償裝置故障
狀態(tài)監(jiān)測研究31引言
32高鐵接觸網(wǎng)棘輪補(bǔ)償裝置運(yùn)行分析
33機(jī)械故障選擇和KNN參數(shù)描述
331k近鄰分類器
332機(jī)械故障特征KNN參數(shù)優(yōu)化
34基于智能水滴算法的KNN參數(shù)同步特征選擇
341標(biāo)準(zhǔn)智能水滴優(yōu)化算法
342基于局部區(qū)域縮放的自適應(yīng)算法描述
343機(jī)械故障監(jiān)測模型的操作步驟
35模擬實(shí)驗(yàn)
351優(yōu)化算法性能測試
352IWD-KNN分類器性能測試
353故障監(jiān)測實(shí)驗(yàn)
36小結(jié)
第4章基于振動信號分析的高鐵接觸網(wǎng)單個錨段故障
狀態(tài)監(jiān)測研究41引言
42接觸網(wǎng)機(jī)械故障與定點(diǎn)振動信息監(jiān)測
421接觸網(wǎng)機(jī)械故障
422接觸網(wǎng)定點(diǎn)振動信息監(jiān)測
43熵特征小波分解識別
431小波熵的概念
432有限變分的小波識別
433案例分析
44基于有限變分小波SVM故障診斷
441支持向量機(jī)
442故障診斷流程
443實(shí)驗(yàn)結(jié)果與分析
45小結(jié)
第5章基于磨損分析的高鐵受電弓滑板狀態(tài)維修決策優(yōu)化研究
51引言
52磨損問題計(jì)算模型
521磨損過程描述
522考慮剛度系數(shù)下的磨損動力學(xué)
523磨損計(jì)算
 53基于卷積神經(jīng)網(wǎng)絡(luò)的磨損量預(yù)測
531卷積神經(jīng)網(wǎng)絡(luò)
532超鏈接卷積神經(jīng)網(wǎng)絡(luò)
533最優(yōu)磨損量的確定
54案例分析
541卷積神經(jīng)網(wǎng)絡(luò)算法性能測試
542磨損故障分析
55小結(jié)
第6章基于可靠性的高鐵牽引供電狀態(tài)維修決策優(yōu)化研究
61引言
62牽引供電設(shè)備的實(shí)時可靠性分析
621可靠性計(jì)算模型
622案例分析
63基于回聲狀態(tài)網(wǎng)絡(luò)的高鐵可靠性預(yù)測
631高鐵牽引供電設(shè)備故障時間序列預(yù)測
632回聲狀態(tài)網(wǎng)絡(luò)采樣概率分布預(yù)測
633參數(shù)優(yōu)化
634案例分析
64高鐵牽引供電設(shè)備實(shí)時可靠性維修決策
641維修決策流程
642案例分析
65小結(jié)
第7章結(jié)論與展望
參考文獻(xiàn)