| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 不同工况对风机运行影响研究现状 | 第9-10页 |
| 1.2.2 通过不同征兆对风机故障诊断研究现状 | 第10-11页 |
| 1.3 本文研究的主要内容 | 第11-13页 |
| 第二章 双馈风力发电机基本概述及其主要故障分析 | 第13-19页 |
| 2.1 双馈风力发电机的结构与特点 | 第13-14页 |
| 2.2 双馈风力发电机的工作原理 | 第14-15页 |
| 2.3 双馈风力发电机的等效电路 | 第15-16页 |
| 2.4 双馈风力发电机几类常见的故障及其特征 | 第16-18页 |
| 2.4.1 双馈异步风力发电机常见故障分类 | 第17页 |
| 2.4.2 双馈异步风力发电机常见故障原因及特征 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 不同工况下DFIG各类征兆信号的处理及故障特征的提取 | 第19-35页 |
| 3.1 不同工况下风力发电机各类故障信号采集处理流程 | 第19页 |
| 3.2 基于不同征兆的特征向量提取方法 | 第19-22页 |
| 3.2.1 EEMD提取振动信号特征向量 | 第19-21页 |
| 3.2.2 灰色关联度分析处理特征性向量 | 第21-22页 |
| 3.2.3 傅里叶分析提取电流信号特征向量 | 第22页 |
| 3.3 DFIG各类故障信号特征向量提取 | 第22-27页 |
| 3.3.1 正常运行工况下DFIG故障信号的预处理 | 第22-23页 |
| 3.3.2 基于EEMD—灰色关联度分析的振动信号特征向量的提取 | 第23-26页 |
| 3.3.3 基于傅里叶分析的电流信号特征向量的提取 | 第26-27页 |
| 3.4 风速突变工况下和电网三相不平衡工况下DFIG各类故障信号的采集及故障特征提取 | 第27-34页 |
| 3.4.1 风速突变工况下DFIG故障信号的采集 | 第27页 |
| 3.4.2 风速突变工况及电网三相不平衡工况原理 | 第27-29页 |
| 3.4.3 基于EEMD－灰色关联度分析的振动信号特征向量的提取 | 第29-31页 |
| 3.4.4 基于傅里叶分析的电流信号特征向量的提取 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 各类工况下基于单一征兆的风机故障诊断 | 第35-49页 |
| 4.1 分类模型概述 | 第35-39页 |
| 4.1.1 SVM分类模型 | 第36-37页 |
| 4.1.2 RVM分类模型 | 第37-39页 |
| 4.2 多分类故障诊断模型的建立 | 第39-43页 |
| 4.2.1 多分类模型的选择 | 第39-41页 |
| 4.2.2 核函数的选定 | 第41-43页 |
| 4.2.3 训练参数寻优 | 第43页 |
| 4.3 各类工况下基于振动信号的风机故障诊断 | 第43-45页 |
| 4.3.1 风机正常运行工况下的故障诊断 | 第43-44页 |
| 4.3.2 风速突变工况下的故障诊断 | 第44-45页 |
| 4.4 各类工况下基于电流信号的风机故障诊断 | 第45-47页 |
| 4.4.1 风机正常运行工况下的故障诊断 | 第45-46页 |
| 4.4.2 风速突变工况下的故障诊断 | 第46-47页 |
| 4.4.3 电网电压三相不平衡工况下的故障诊断 | 第47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 基于信息融合技术的多源征兆风机故障诊断 | 第49-55页 |
| 5.1 证据融合理论 | 第49-51页 |
| 5.2 多源征兆故障诊断系统的建立 | 第51-52页 |
| 5.3 不同工况下计及多源征兆风机故障诊断 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61-62页 |
| 致谢 | 第62-64页 |
