| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 引言 | 第10-12页 |
| 1.1.1 论文研究背景 | 第10-11页 |
| 1.1.2 课题研究的目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 健康状态劣化评估的研究现状 | 第12-15页 |
| 1.2.2 预测方法的研究现状 | 第15-18页 |
| 1.3 研究内容 | 第18-20页 |
| 第2章 风电机组运行状态健康评价标准 | 第20-27页 |
| 2.1 引言 | 第20页 |
| 2.2 健康评价理论基础 | 第20-24页 |
| 2.2.1 大数定律和中心极限理论 | 第20-21页 |
| 2.2.2 莱以特准则 | 第21-22页 |
| 2.2.3 休哈特控制图 | 第22页 |
| 2.2.4 主元分析法（PCA） | 第22-24页 |
| 2.3 健康状态评价标准 | 第24-25页 |
| 2.3.1 绝对评价标准 | 第24页 |
| 2.3.2 相对评价标准 | 第24-25页 |
| 2.3.3 类推评价标准 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 风电机组健康状态评估模型及劣化趋势预测 | 第27-46页 |
| 3.1 风电机组的特征参数 | 第27-28页 |
| 3.2 基于健康样本特征参数的辨识 | 第28-37页 |
| 3.2.1 特征参数分布特性 | 第28-31页 |
| 3.2.2 特征参数健康样本集的建立 | 第31-36页 |
| 3.2.3 特征参数健康模型与劣化度的建立 | 第36-37页 |
| 3.3 基于时间序列神经网络模型趋势预测 | 第37-44页 |
| 3.3.1 时间序列分析法 | 第37-38页 |
| 3.3.2 BP神经网络 | 第38-39页 |
| 3.3.3 基于时间序列神经网络趋势预测模型算法 | 第39-40页 |
| 3.3.4 基于时间序列神经网络趋势预测模型实例 | 第40-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 基于EEMD-NARX组合预测 | 第46-55页 |
| 4.1 集合经验模态分解 | 第46-48页 |
| 4.1.1 经验模态分解 | 第46-48页 |
| 4.1.2 EEMD原理 | 第48页 |
| 4.2 基于EEMD-NARX的风电机组劣化组合预测模型 | 第48-49页 |
| 4.3 实例分析 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 结论与展望 | 第55-57页 |
| 5.1 结论 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
| 致谢 | 第62页 |