北票风电场发电机组的齿轮箱故障诊断研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 1. 引言 | 第10-15页 |
| ·风电机故障诊断分析的意义 | 第10-12页 |
| ·故障诊断方法的现状研究 | 第12-13页 |
| ·本文的主要研究内容和意义 | 第13-15页 |
| ·本文主要研究内容 | 第13页 |
| ·本文研究意义 | 第13-15页 |
| 2. 常见齿轮箱故障诊断模型分析 | 第15-20页 |
| ·高阶统计参数法 | 第15-16页 |
| ·小波变换分析方法 | 第16-17页 |
| ·平稳循环变量法 | 第17-18页 |
| ·测量扭转振动参数识别法 | 第18-20页 |
| 3. 遗传算法和模糊神经网络理论 | 第20-33页 |
| ·遗传算法理论 | 第20-25页 |
| ·遗传算法性能评估 | 第21-22页 |
| ·遗传算法在MATLAB 中的实现 | 第22-25页 |
| ·BP 神经网络 | 第25-28页 |
| ·模糊神经网络(FNN) | 第28-33页 |
| ·模糊神经网络理论 | 第28-29页 |
| ·模糊神经网络学习算法 | 第29-33页 |
| 4. 遗传算法与模糊神经网络融合 | 第33-45页 |
| ·主成分分析方法在数据预处理中的应用 | 第33-37页 |
| ·主成分分析在数据预处理中的应用 | 第34-35页 |
| ·主成分分析的基本原理 | 第35-37页 |
| ·基于GA 优化的 FNN 学习算法 | 第37-41页 |
| ·参数初始化 | 第37-38页 |
| ·网络结构的学习 | 第38-40页 |
| ·参数优化—隶属参数的中心和宽度 | 第40-41页 |
| ·遗传算法与BP 网络 | 第41-44页 |
| ·遗传算法与神经网络具体融合方案 | 第44-45页 |
| 5. 风力发电机齿轮箱故障信号的提取 | 第45-51页 |
| ·齿轮箱结构及运行特征 | 第45-46页 |
| ·齿轮箱各部件的常见故障 | 第46-47页 |
| ·齿轮箱故障信号采集 | 第47-51页 |
| ·齿轮箱特征频率 | 第47-48页 |
| ·选取齿轮箱测试点信号 | 第48-51页 |
| 6. GA-FNN 在齿轮箱故障诊断中的应用 | 第51-62页 |
| ·基于模糊逻辑的故障诊断模型 | 第51-53页 |
| ·初始信息的建立 | 第53-55页 |
| ·基于GA 的模糊神经网络在故障诊断中的应用 | 第55-56页 |
| ·模糊神经网络模型 | 第56-57页 |
| ·齿轮箱故障模式统计分析 | 第57-62页 |
| ·仿真分析 | 第57-59页 |
| ·基于GA 的模糊网络训练 | 第59-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录A | 第66-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74-75页 |
