- 作 者：陈德旺著
- 出 版 社：北京：北京交通大学出版社
- 出版年份：2015
- ISBN：9787512124875
- 注意：在使用云解压之前，请认真核对实际PDF页数与内容!
在线云解压
价格(点数)
购买连接
说明
转为PDF格式
7
（在线云解压服务）
云解压服务说明
1、本站所有的云解压默认都是转为PDF格式，该格式图书只能阅读和打印，不能再次编辑。
云解压下载及付费说明
1、所有的电子图书云解压均转换为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、云解压在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
1 概述 1
1.1 高速铁路的发展 1
1.1.1 世界高铁发展现状 1
1.1.2 国内高铁发展技术简介 1
1.2 高速列车的发展 5
1.3 高速列车定位技术的发展 9
1.4 本书的结构 10
参考文献 11
2 高速列车运行控制系统 12
2.1 欧洲的高速列车控制系统 12
2.2 日本的高速列车控制系统 14
2.3 中国的高速列车控制系统 16
2.4 高速列车定位系统的关键技术 18
2.4.1 地-车信息传输 18
2.4.2 列车测速与定位 20
2.5 本章小结 23
参考文献 23
3 高速列车定位系统与关键技术 25
3.1 高速列车定位系统 25
3.2 测速定位系统 26
3.3 卫星定位技术 29
3.4 应答器定位 31
3.5 本章小结 32
参考文献 33
4 利用应答器数据的列车位置计算模型 34
4.1 CTCS-3级列控系统介绍 34
4.1.1 无线闭塞中心 35
4.1.2 铁路综合数字移动通信系统 38
4.1.3 车载设备 39
4.2 高速列车位置计算模型 42
4.2.1 无线消息 42
4.2.2 建立列车位置计算模型 43
4.3 数据预处理及评价指标 46
4.3.1 数据预处理 46
4.3.2 评价指标 47
4.4 基于速度平均法的位置计算算法 48
4.5 本章小结 49
参考文献 49
5 基于SVM的高速列车智能定位模型与学习算法 51
5.1 基于最小二乘法的位置计算算法 51
5.1.1 最小二乘法的创立 51
5.1.2 最小二乘法的原理 53
5.1.3 最小二乘法位置计算模型 54
5.2 基于支持向量机的位置计算算法 55
5.2.1 支持向量机简介 55
5.2.2 支持向量机的优点 56
5.2.3 支持向量回归机 56
5.2.4 支持向量机位置计算模型 61
5.3 基于最小二乘支持向量机的位置计算算法 62
5.3.1 最小二乘支持向量机简介 62
5.3.2 最小二乘支持向量机位置计算模型 65
5.4 在线学习策略 66
5.5 本章小结 68
参考文献 68
6 基于SVM的高速列车智能定位软件开发 70
6.1 图形用户界面GUI介绍 70
6.2 软件总体设计 71
6.3 软件模块设计 71
6.4 软件操作步骤 73
6.5 武广高铁数据集分析 79
6.6 本章小结 83
参考文献 83
7 基于神经网络的高速列车定位模型与学习算法 84
7.1 京沪高铁与数据集介绍 84
7.2 BP神经网络模型 86
7.3 RBF神经网络模型 88
7.4 ANFIS神经网络模型 90
7.5 各定位模型比较与在线学习算法 91
7.5.1 训练集结果分析与对比 91
7.5.2 验证集结果分析与对比 93
7.5.3 验证集参数在线学习方法与非在线学习方法分析与对比 95
7.6 本章小结 99
参考文献 99
8 基于神经网络的高速列车定位软件开发 101
8.1 软件架构与总体设计 102
8.2 数据载入模块 102
8.3 数据处理模块 102
8.4 结果显示模块 102
8.5 软件应用 103
8.5.1 软件数据准备 103
8.5.2 软件操作步骤 104
8.6 本章小结 110
参考文献 111
9 各种智能定位模型的综合比较 112
9.1 6种智能定位模型的复杂度分析 112
9.2 无在线学习的比较 112
9.2.1 京沪高铁数据集的分析 112
9.2.2 武广高铁数据集的分析 119
9.2.3 郑西高铁数据集的分析 125
9.3 两种在线学习策略的比较 132
9.3.1 京沪高铁数据集在线学习方法分析 132
9.3.2 武广高铁数据集在线学习方法分析 135
9.3.3 郑西高铁数据集在线学习方法分析 138
9.4 本章小结 140
10 总结与展望 141
10.1 总结 141
10.2 展望 141