| 目录 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-20页 |
| ·课题研究目的和意义 | 第13-14页 |
| ·故障诊断的发展现状 | 第14-16页 |
| ·国内外风力发电机组故障诊断研究现状 | 第16-18页 |
| ·主要研究内容 | 第18-20页 |
| 第2章 双馈型风力发电机组传动系统典型故障分析 | 第20-30页 |
| ·风力发电机组传动系统结构 | 第20-21页 |
| ·风力发电机组传动机构典型故障 | 第21-24页 |
| ·齿轮箱故障 | 第21-23页 |
| ·转子不对中故障 | 第23页 |
| ·滚动轴承故障 | 第23-24页 |
| ·发电机故障 | 第24页 |
| ·风力发电机组传动机构典型故障振动信号频率特征 | 第24-29页 |
| ·齿轮箱故障振动信号特征 | 第24-26页 |
| ·滚动轴承故障振动信号特征 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 经验模态分解在轴承振动信号降噪及故障诊断分析中的应用 | 第30-51页 |
| ·经验模态分解概述 | 第30页 |
| ·经验模态分解的基本原理 | 第30-34页 |
| ·EMD分解阂值降噪 | 第34-40页 |
| ·适应EMD特征的阈值 | 第34-36页 |
| ·EMD区间迭代阈值 | 第36-39页 |
| ·EMD区间迭代不变阈值 | 第39-40页 |
| ·算法分析 | 第40-41页 |
| ·滚动轴承故障实验分析 | 第41-49页 |
| ·轴承试验台介绍 | 第41-44页 |
| ·轴承外圈故障分析 | 第44-46页 |
| ·轴承内圈故障分析 | 第46-49页 |
| ·本章小结 | 第49-51页 |
| 第4章 基于支持向量机的齿轮箱轴承故障分类识别 | 第51-73页 |
| ·概述 | 第51-52页 |
| ·统计学习基本理论 | 第52-53页 |
| ·学习过程的基本模型 | 第52页 |
| ·推广性的界和VC维 | 第52页 |
| ·结构风险最小化原则 | 第52-53页 |
| ·支持向量机(SVM)及分类算法 | 第53-58页 |
| ·基于SVM的齿轮箱轴承故障识别分类 | 第58-71页 |
| ·测试诊断方案及原理 | 第58-59页 |
| ·原始测试数据的特征提取 | 第59-60页 |
| ·SVM进行数据训练和测试实验仿真 | 第60-64页 |
| ·仿真参数选择及仿真结果 | 第64-71页 |
| ·本章小结 | 第71-73页 |
| 结论与展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第81页 |