基于振动信号的大型风力发电机齿轮箱健康状态预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题的来源依据 | 第10页 |
| ·引言 | 第10-11页 |
| ·风力发电机组国内外研究动态 | 第11-14页 |
| ·本文主要的研究内容 | 第14-15页 |
| ·本课题的目的与意义 | 第15-16页 |
| 第二章 齿轮箱振动机理及典型故障 | 第16-26页 |
| ·风力发电机齿轮箱基本结构 | 第16-18页 |
| ·齿轮振动产生原因及典型故障分析 | 第18-21页 |
| ·齿轮振动的产生原因分析 | 第18-19页 |
| ·齿轮典型故障分析 | 第19-21页 |
| ·轴承振动产生原因及典型故障分析 | 第21-23页 |
| ·滚动轴承振动产生原因分析 | 第21-22页 |
| ·轴承典型故障分析 | 第22-23页 |
| ·齿轮箱振动信号特征分析 | 第23-25页 |
| ·齿轮故障的振动信号特征 | 第23-24页 |
| ·滚动轴承故障的振动信号特征 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 希尔伯特-黄变换方法应用研究 | 第26-55页 |
| ·经验模态分解法 | 第26-30页 |
| ·特征尺度 | 第26-27页 |
| ·瞬时频率 | 第27-28页 |
| ·内禀模态函数（IMF） | 第28页 |
| ·经验模态分解法的原理 | 第28-29页 |
| ·经验模态分解法的算法步骤 | 第29-30页 |
| ·经验模态分解方法的特点 | 第30-32页 |
| ·希尔伯特变换 | 第32-33页 |
| ·实例应用 | 第33-36页 |
| ·振动信号采集 | 第36-39页 |
| ·振动信号处理 | 第39-54页 |
| ·应用希尔伯特-黄变换的齿轮箱故障初步诊断 | 第41-51页 |
| ·基于振动信号的经验模态分解能量特征提取 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 神经网络预测方法研究 | 第55-65页 |
| ·BP 神经网络结构 | 第55-56页 |
| ·BP 神经网络的缺陷 | 第56-57页 |
| ·BP 神经网络的改进 | 第57-58页 |
| ·仿真应用 | 第58-63页 |
| ·齿轮箱振动信号的 BP 神经网络识别预测 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 结论 | 第65-67页 |
| ·结论 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 在学研究成果 | 第70-71页 |
| 致谢 | 第71页 |
