| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 云平台的研究现状 | 第12-13页 |
| 1.2.2 故障诊断数据处理研究现状 | 第13-14页 |
| 1.2.3 云计算在故障诊断中的优势 | 第14-15页 |
| 1.3 论文主要研究内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 相关技术介绍 | 第17-25页 |
| 2.1 风电机组常见故障及分析方法 | 第17-19页 |
| 2.1.1 风电机组常见故障及特征 | 第17-18页 |
| 2.1.2 振动信号数据分析方法 | 第18-19页 |
| 2.2 HADOOP云计算平台 | 第19-24页 |
| 2.2.1 典型的云计算平台 | 第19-21页 |
| 2.2.2 Hadoop云平台概述 | 第21页 |
| 2.2.3 分布式文件系统HDFS | 第21-22页 |
| 2.2.4 并行计算框架Map Reduce | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 云计算环境下FFT算法并行化研究 | 第25-39页 |
| 3.1 FFT算法的基本原理 | 第25-31页 |
| 3.1.1 离散傅立叶变换DFT | 第26-27页 |
| 3.1.2 快速傅立叶变换FFT | 第27-28页 |
| 3.1.3 基 2-FFT算法 | 第28-31页 |
| 3.2 基于MAPREDUCE的并行FFT算法设计 | 第31-37页 |
| 3.2.1 FFT并行算法实现流程 | 第31-32页 |
| 3.2.2 数据补齐 | 第32-33页 |
| 3.2.3 码位倒置 | 第33-35页 |
| 3.2.4 蝶形运算 | 第35-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第4章 基于云平台的风电机组故障诊断系统设计 | 第39-47页 |
| 4.1 需求分析 | 第39页 |
| 4.2 主要功能模块 | 第39-46页 |
| 4.2.1 用户管理模块 | 第41-42页 |
| 4.2.2 云计算集群监控管理模块 | 第42-43页 |
| 4.2.3 数据存储模块 | 第43-45页 |
| 4.2.4 状态监测与故障诊断模块 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 云平台搭建及实验分析 | 第47-57页 |
| 5.1 系统环境和数据来源说明 | 第47-48页 |
| 5.2 全分布环境下HADOOP的安装与配置 | 第48-52页 |
| 5.2.1 Hadoop安装配置说明 | 第48页 |
| 5.2.2 配置hosts文件 | 第48-49页 |
| 5.2.3 安装并配置SSH | 第49页 |
| 5.2.4 安装并配置JDK | 第49-50页 |
| 5.2.5 Hadoop平台的安装与配置 | 第50-52页 |
| 5.3 云平台测试 | 第52-55页 |
| 5.3.1 算法结果验证 | 第52-53页 |
| 5.3.2 Map Reduce并行计算性能测试 | 第53-55页 |
| 5.3.3 集群可扩展性和服务质量稳定性 | 第55页 |
| 5.4 结果分析 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 结论与展望 | 第57-59页 |
| 6.1 本文总结 | 第57-58页 |
| 6.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |