| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 论文研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-17页 |
| 1.3 课题研究的主要内容 | 第17-19页 |
| 第二章 风电机组故障诊断模拟实验台的研制 | 第19-22页 |
| 2.1 风电机组故障诊断模拟实验台的设计与构成 | 第19-20页 |
| 2.2 风电机组故障诊断模拟实验台的功能 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 风电机组故障智能诊断方法研究 | 第22-48页 |
| 3.1 改进型小波包结合包络谱的风电机组故障诊断 | 第22-41页 |
| 3.1.1 小波的基本原理 | 第22-24页 |
| 3.1.2 马拉特塔式算法 | 第24-25页 |
| 3.1.3 小波包算法 | 第25-27页 |
| 3.1.4 小波包算法的缺陷 | 第27-29页 |
| 3.1.5 小波包算法的改进 | 第29-32页 |
| 3.1.6 改进型小波包算法的仿真验证 | 第32-34页 |
| 3.1.7 包络谱 | 第34-35页 |
| 3.1.8 改进型小波包结合包络谱的故障诊断模型 | 第35-37页 |
| 3.1.9 改进型小波包结合包络谱的实验验证 | 第37-41页 |
| 3.2 改进小波包联合PNN(概率神经网络)的风电机组故障诊断 | 第41-46页 |
| 3.2.1 小波包频带能量谱 | 第42-43页 |
| 3.2.2 概率神经网络 | 第43-44页 |
| 3.2.3 改进型小波包频带能量谱联合PNN的风电故障诊断模型 | 第44-45页 |
| 3.2.4 改进型的小波包联合PNN的实验验证 | 第45-46页 |
| 3.3 本章小结 | 第46-48页 |
| 第四章 大型风电机组状态监测与故障诊断系统研究 | 第48-63页 |
| 4.1 大型风电机组状态监测与故障诊断系统的整体设计 | 第48-49页 |
| 4.2 数据采集与分析系统 | 第49-54页 |
| 4.2.1 传感器的选型 | 第49-51页 |
| 4.2.2 监测测点的选择 | 第51-52页 |
| 4.2.3 采集仪及故障诊断软件算法设计 | 第52-54页 |
| 4.3 现场监控系统 | 第54-56页 |
| 4.3.1 现场监控系统的运行环境和架构 | 第54页 |
| 4.3.2 状态监测与故障诊断系统的界面设计 | 第54-56页 |
| 4.4 远程监控系统 | 第56页 |
| 4.5 风场测试 | 第56-62页 |
| 4.5.1 现场设备安装 | 第56-60页 |
| 4.5.2 现场测试结果 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 研究总结及展望 | 第63-65页 |
| 5.1 创新点 | 第63页 |
| 5.2 本文的研究成果 | 第63-64页 |
| 5.3 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 个人简况及联系方式 | 第72-73页 |
| 承诺书 | 第73-74页 |
