| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-43页 |
| 1.1 选题背景及意义 | 第13-15页 |
| 1.2 风电设备状态监测技术研究现状 | 第15-27页 |
| 1.2.1 风电机组基本组成及故障类型 | 第15-17页 |
| 1.2.2 风电设备监测系统应用 | 第17-20页 |
| 1.2.3 风电设备状态监测技术 | 第20-27页 |
| 1.3 风电设备故障诊断方法研究现状 | 第27-39页 |
| 1.3.1 故障特征提取方法研究现状 | 第28-34页 |
| 1.3.2 故障模式识别方法研究现状 | 第34-39页 |
| 1.4 研究现状总结与分析 | 第39-40页 |
| 1.5 本文的主要研究内容及结构安排 | 第40-43页 |
| 第2章 排序模式分析与深度学习理论基础 | 第43-62页 |
| 2.1 引言 | 第43页 |
| 2.2 排序模式分析方法 | 第43-47页 |
| 2.2.1 基本原理 | 第44-45页 |
| 2.2.2 性能分析 | 第45-47页 |
| 2.3 深度学习基本方法 | 第47-61页 |
| 2.3.1 概述 | 第47-49页 |
| 2.3.2 去噪自编码器 | 第49-53页 |
| 2.3.3 堆叠去噪自编码器 | 第53-55页 |
| 2.3.4 卷积神经网络 | 第55-61页 |
| 2.4 本章小结 | 第61-62页 |
| 第3章 基于排序模式相异性分析的风电轴承早期故障特征提取 | 第62-77页 |
| 3.1 引言 | 第62-63页 |
| 3.2 轴承性能退化机理分析 | 第63-65页 |
| 3.3 排序模式相异性分析方法 | 第65-69页 |
| 3.3.1 信息散度 | 第65-66页 |
| 3.3.2 排序信息散度新指标 | 第66-67页 |
| 3.3.3 参数讨论 | 第67-69页 |
| 3.4 实验研究 | 第69-76页 |
| 3.4.1 电机轴承损伤程度评估 | 第69-71页 |
| 3.4.2 轴承全寿命退化趋势分析 | 第71-76页 |
| 3.5 本章小结 | 第76-77页 |
| 第4章 基于堆叠多水平去噪自编码器的风电齿轮箱故障特征学习 | 第77-95页 |
| 4.1 引言 | 第77-78页 |
| 4.2 堆叠多水平去噪自编码器特征学习方法研究 | 第78-82页 |
| 4.2.1 多水平去噪训练策略 | 第78-80页 |
| 4.2.2 堆叠多水平去噪自编码器方法 | 第80-82页 |
| 4.3 基于SMLDAE的故障诊断流程 | 第82-83页 |
| 4.4 风电传动系统实验台搭建 | 第83-87页 |
| 4.4.1 实验台设计 | 第84-86页 |
| 4.4.2 实验数据采集 | 第86-87页 |
| 4.5 实验验证 | 第87-94页 |
| 4.5.1 实验数据样本集构建 | 第87-88页 |
| 4.5.2 SMLDAE模型训练 | 第88-91页 |
| 4.5.3 故障诊断结果分析 | 第91-94页 |
| 4.6 本章小结 | 第94-95页 |
| 第5章 基于多尺度卷积神经网络的风电齿轮箱端对端故障诊断 | 第95-110页 |
| 5.1 引言 | 第95-96页 |
| 5.2 多尺度卷积神经网络方法研究 | 第96-101页 |
| 5.2.1 风电齿轮箱振动信号多尺度特点分析 | 第96-97页 |
| 5.2.2 多尺度卷积神经网络结构设计 | 第97-101页 |
| 5.3 基于MSCNN的故障诊断流程 | 第101-102页 |
| 5.4 实验验证 | 第102-109页 |
| 5.4.1 实验数据样本集构建 | 第102-103页 |
| 5.4.2 MSCNN模型训练 | 第103页 |
| 5.4.3 故障诊断结果分析 | 第103-109页 |
| 5.5 本章小结 | 第109-110页 |
| 第6章 基于多变量时空相关性分析的风电系统故障检测 | 第110-133页 |
| 6.1 引言 | 第110-111页 |
| 6.2 风电机组运行区间及SCADA监测数据特性分析 | 第111-114页 |
| 6.2.1 风电机组运行区间特性 | 第111-112页 |
| 6.2.2 SCADA监测数据特点 | 第112-114页 |
| 6.3 基于多变量时空相关性分析的滑动窗去噪自编码器方法研究 | 第114-116页 |
| 6.4 基于SW-DAE的故障检测流程 | 第116-120页 |
| 6.4.1 离线建模阶段 | 第116-117页 |
| 6.4.2 在线故障检测 | 第117-119页 |
| 6.4.3 性能评估指标 | 第119-120页 |
| 6.5 仿真分析 | 第120-127页 |
| 6.5.1 风电系统仿真模型 | 第120-123页 |
| 6.5.2 参数讨论分析 | 第123-125页 |
| 6.5.3 故障检测性能分析 | 第125-127页 |
| 6.6 实测数据分析 | 第127-131页 |
| 6.6.1 风电场SCADA数据获取 | 第127-128页 |
| 6.6.2 故障检测性能分析 | 第128-131页 |
| 6.7 本章小结 | 第131-133页 |
| 结论 | 第133-135页 |
| 参考文献 | 第135-149页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第149-151页 |
| 致谢 | 第151页 |
