摘要：寻找列车运行部分故障的方法主要是通过分析检测数据来完成的，而传感器检测到的数据的处理必须首先是信息的融合。信息技术融合已被广泛用于模式识别等技术领域。 DS模型证明融合理论是当前处理信息技术融合各种应用的重要理论方法之一。杨建波教授在2013年推理ER规则中为证据的组合提出了证据。传统贝叶斯推理D-S证明推理可以被认为是ER规则的特例，因此ER规则是一种更为通用的推理手段。

证据推理手段解刨可以使用各种信息来构建输入和输出之间关系的模型-一个专家系统。

全文共20页，分为四个部分：第一部分是ds中证明的基本理论问题的详细介绍；第二部分是ds证明的基本理论问题。第二部分是对基本证明理论的详细理论分析。第三部分是关于基本证明理论。详细分析和讨论了brb的基本证明理论；第四部分将前三章所述的方法应用于某条中长距离运行的高速列车的故障记录，并分析了一定时间段内列车的运行部分的温度和振动传递。

关键词 D-S证据理论；证据推理规则；置信规则库推理方法；置信规则库

目录

摘要

Abstract

1绪论-2

1.1 研究领域背景及重要意义-2

1.2  数据融合介绍及其研究现状-2

2轨道列车走行部及D-S证据理论介绍-3

2.1 高速轨道列车走行部介绍-3

2.2  D-S证据理论-4

2.2.1辨识框架-4

2.2.2 基本概率分配-4

2.3 D-S证据理论的研究进展与探讨-5

2.4 本章小结-6

3证据推理方法-7

3.1 不确定性 MCDA框架下的证据推理方法-7

3.2信息转换方法-8

3.2.1定量信息转换方法-8

3.3 本章小结-9

4证据推理规则-11

4.1带有证据权重的证据推理规则-11

4.2  证据推理规则特性分析-12

4.2.1证据推理规则的基本特性-12

4.3  本章小结-12

5BP神经网络-13

5.1多层神经网络结构及其描述-13

5.2 激活函数-14

5.3 BP算法推导过程-14

5.4本章小结-15

6基于置信规则库的轨道列车故障检测系统建模-17

6.1 确定BRB基本结构-17

6.1.1 置信规则库数据来源-17

6.1.2  温度、健康状况及各种指标的分析与处理-18

6.2  初始BRB参数设置-19

6.2.1  BRB训练模型-20

6.2.2  BRB测试模型-23

总结与展望-25

致谢-27

参考文献-29