声明
致谢
序言
1 绪论
1.1 选题的背景和意义
1.2 研究和实践现状分析
1.2.1 国外研究和实践现状
1.2.2 国内研究和实践现状
1.3 研究内容和技术路线
1.4 小结
2 故障预测与健康管理技术及其适用性分析
2.1 PHM关键技术
2.2 Hadoop 架构
2.3 PHM在地铁维护支持系统中的适用性分析
2.4 小结
3 道岔故障预测及故障诊断关键技术研究
3.1 基于 Attention 机制的 RNN模型
3.1.1 RNN模型及梯度消失与梯度爆炸
3.1.2 GRU网络模型
3.2 级联机器学习模型
3.2.1 监督学习
3.2.2 无监督学习
3.2.3 级联学习
3.3 实例分析
3.3.1 故障预测
3.3.2 道岔故障诊断
3.4 小结
4 基于大数据的敏捷地铁维护支持系统平台设计
4.1 系统架构
4.1.1 采集层
4.1.2 存储层
4.1.3 应用层
4.2 设备组成
4.2.1 数据采集
4.2.2 数据存储
4.2.3 综合应用
4.3 系统接口设计
4.3.1 与信号各子系统接口
4.3.2 系统内部接口
4.4 系统数据流
4.5 系统功能
4.5.1 设备状态监测
4.5.2 智能调度指挥
4.5.3 智能维修
4.5.4 综合管理功能
4.6 小结
5 道岔维护系统具体设计与实现
5.1 系统实现过程
5.1.1 系统需求分析
5.1.2 系统设计
5.1.3 移动 APP设计与开发
5.1.4 管理后台设计与开发
5.1.5 Dashboard 设计与开发
5.2 系统应用具体技术路线说明
5.3 系统应用效果
5.4 小结
6 结论
6.1 研究的主要工作及创新性
6.2 有待进一步研究的问题
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
北京交通大学;