基于数据驱动方法的铁轨震荡故障检测方法研究开题报告

全文总字数：5525字

1. 研究目的与意义（文献综述）

1.1研究目的

轨道交通作为在整个交通运输领域占据主导地位的交通方式之一，在创造大量的经济效益时，同时也要面对许多安全问题，而铁轨是关系到铁路交通安全的重要设备，对行车安全有着直接的影响，当铁轨出现故障时，以最快的速度检测并进行修复对轨道交通的安全至关重要。随着我国铁路运输事业的不断发展，主要干线的列车重量和行车密度的不断增加，数据量越加庞大，传统的方法已经不能满足我们的需求，那如何面对海量数据的冲击？如何对数据进行特征提取？选择建立什么样的模型可以帮助我们更好的解决该问题，是我们本次研究的目的。

1.2研究意义

2. 研究的基本内容与方案

2.1 研究目标及内容

分析轨检车测量到的车轴和车厢位置的时域振动加速度信号等变量对于轨检车垂直位移的影响，建立多层神经网络模型，选取lstm（long short-term memory）算法进行深度学习，实现铁轨震荡故障检测，并且对结果进行分析。

2.2 拟采用的技术方案及措施

3. 研究计划与安排

(1)2020/1/13—2019/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

(2)2020/3/1—2019/4/30：系统架构、程序设计与开发、系统测试与完善；

(3)2020/5/1—2019/5/25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

1]斋藤康毅.《深度学习入门 基于python的理论与实现》.人民邮电出版社.2018-07

[2]黄红梅 张良均.《python数据分析与应用》.人民邮电出版社.2018-4

[3]吴恩达 .《神经网络和深度学习》.网易云课堂