| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-10页 |
| ·风电机组齿轮箱故障诊断技术的国内外现状与发展趋势 | 第10-11页 |
| ·风电机组齿轮箱故障诊断技术的国内外现状 | 第10页 |
| ·风电机组齿轮箱故障诊断技术的发展趋势 | 第10-11页 |
| ·论文的研究思路与主要内容 | 第11-13页 |
| ·论文研究思路 | 第11-12页 |
| ·论文的主要工作 | 第12-13页 |
| 第2章 基于故障树分析法的专家系统的故障诊断策略研究 | 第13-26页 |
| ·风电机组齿轮箱故障 | 第13-16页 |
| ·齿轮故障 | 第13-14页 |
| ·轴承故障 | 第14-15页 |
| ·轴故障 | 第15页 |
| ·箱体故障 | 第15-16页 |
| ·紧固件故障 | 第16页 |
| ·油封故障 | 第16页 |
| ·风电机组齿轮箱故障树 | 第16-19页 |
| ·故障树分析法 | 第16-17页 |
| ·风电机组齿轮箱故障树模型 | 第17-18页 |
| ·基于故障树分析法的故障分析 | 第18-19页 |
| ·故障知识库的构建 | 第19-23页 |
| ·知识的获取 | 第19-20页 |
| ·基于故障树的知识获取 | 第20页 |
| ·故障树知识生成诊断知识库 | 第20-23页 |
| ·故障推理机的确立 | 第23-25页 |
| ·推理方式 | 第23-24页 |
| ·分级存储方式下的推理 | 第24-25页 |
| ·基于故障树分析法的专家系统故障诊断模型 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于广义回归神经网络的故障诊断策略研究 | 第26-39页 |
| ·振动信号的采集与预处理 | 第26-28页 |
| ·振动信号的采集 | 第26页 |
| ·振动信号的预处理 | 第26-28页 |
| ·风电机组齿轮箱振动信号特征参数选取 | 第28-32页 |
| ·时域特征参数的选取 | 第29-31页 |
| ·频域信号特征提取 | 第31-32页 |
| ·基于广义回归神经网络的故障诊断模型的建立 | 第32-35页 |
| ·广义回归神经网络 | 第32-34页 |
| ·基于广义回归神经网络的故障诊断模型 | 第34-35页 |
| ·基于广义回归神经网络的故障诊断 | 第35-38页 |
| ·数据处理 | 第35-36页 |
| ·广义回归神经网络的训练 | 第36-38页 |
| ·广义回归神经网络的测试 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 系统设计与实现 | 第39-52页 |
| ·相关技术 | 第39-44页 |
| ·系统体系结构 | 第39-41页 |
| ·系统开发工具 | 第41-43页 |
| ·数据库的选择 | 第43-44页 |
| ·系统功能实现 | 第44-49页 |
| ·数据访问层的实现 | 第44-46页 |
| ·业务逻辑层的实现 | 第46-47页 |
| ·用户界面层的实现 | 第47-49页 |
| ·实例验证 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 结论与展望 | 第52-53页 |
| ·结论 | 第52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 致谢 | 第57页 |