声明
致谢
摘要
图目录
表目录
1.1 研究背景及问题提出
1.1.3 “大数据"、“深度学习"等兴起
1.1.4 铁路轨道设备生产数据具有大数据特征
1.1.5 问题提出
1.2 研究内容
1.3 研究意义
1.4 论文组织结构
1.5 论文资助
2 国内外研究综述
2.1 轨道设备健康状态综合评定研究综述
2.1.1 轨道设备健康状态综合评定问题的主要组成要素
2.1.2 研究现状
2.1.3 既有研究存在的问题
2.2 轨道设备健康状态评定关键数据预处理研究综述
2.3 轨道设备状态劣化趋势预测研究综述
2.3.1 研究现状
2.3.2 既有研究存在的问题
2.4 本章小结
3 铁路基础设施设备管理的网格化
3.1 铁路基础设施设备特征
3.2 铁路基础设施设备状态劣化特点
3.2.1 异质性
3.2.2 不确定性
3.2.3 记忆性
3.2.4 联动性
3.3 铁路基础设施设备管理网格化的概念与方法
3.3.1 铁路基础设施设备网格化管理定义与内涵
3.3.2 铁路网格的定义与划分方法
3.3.3 网格部件的定义与分类方法
3.3.4 网格事件的定义与分类方法
3.3.5 铁路网格、部件和事件的相互关系
3.3.6 铁路网格、部件、事件属性数据整合
3.4 本章小结
4 铁路轨道网格化健康状态综合评定
4.1 轨道网格化健康状态综合评定过程
4.2 轨道网格与部件状态评定指标体系
4.2.1 现有轨道设备状态评定指标的不足
4.2.2 轨道网格与部件状态评定指标分类
4.2.3 轨道网格部件状态评定指标体系
4.2.4 轨道网格状态评定指标体系
4.3 轨道网格与部件健康指数概念
4.3.1 轨道网格部件健康指数概念
4.3.2 轨道网格健康指数概念
4.4.1 模型HEF-RTGC构成
4.4.2 轨道网格(或部件)多状态评定指标降维模型DRM-RTGC
4.4.3 轨道网格(或部件)健康特征识别模型CM-RTGC
4.4.4 轨道网格(或部件)健康特征判定模型CLM-RTGC
4.5 案例分析
4.5.1 背景介绍
4.5.2 模型结果分析
4.6 本章小结
5 铁路轨道网格化健康状态评定关键数据预处理
5.1 轨道晃车检测业务简述
5.2 轨道晃车数据偏差
5.3 铁路轨道晃车数据偏差纠正模型BCM-RTSM
5.3.1 变量声明
5.3.2 模型BCM-RTSM构成
5.3.3 轨道晃车数据筛选模型FM-RTSM
5.3.4 轨道晃车数据病害类型判定模型DTE-RTSM
5.3.5 轨道晃车数据病害等级判定模型DLE-RTSM
5.4 案例分析
5.4.1 背景介绍
5.4.2 模型结果分析
5.5 本章小结
6 铁路轨道网格化状态预测模型
6.1.1 TAN-RTGCCP构建思路
6.1.2 变量声明
6.1.3 模型TAN-RTGCCP建立
6.1.4 案例分析
6.2 轨道网格(或部件)使用寿命评估模型MBE-RTGCSL
6.2.2 模型MBE-RTGCSL建立
6.2.3 案例分析
6.3 本章小结
7 结论
7.1 主要研究工作
7.2 主要创新点
7.3 研究展望
参考文献
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集
北京交通大学;