| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 能源及发电现状 | 第10-11页 |
| 1.1.1 能源使用现状 | 第10-11页 |
| 1.1.2 新能源发电现状 | 第11页 |
| 1.2 风力发电现状 | 第11-13页 |
| 1.2.1 风力发电发展情况 | 第11-12页 |
| 1.2.2 风机桨叶故障检测的必要性 | 第12-13页 |
| 1.3 风机桨叶故障检测方法 | 第13-18页 |
| 1.3.1 声发射检测技术 | 第13-14页 |
| 1.3.2 红外热成像技术 | 第14页 |
| 1.3.3 超声波检测技术 | 第14页 |
| 1.3.4 基于振动信号的故障检测技术 | 第14-15页 |
| 1.3.5 光纤光栅检测技术 | 第15-16页 |
| 1.3.6 基于计算机视觉的检测技术 | 第16页 |
| 1.3.7 现有风机桨叶故障检测方法总结 | 第16-18页 |
| 1.4 本文研究内容及意义 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 风机及桨叶 | 第19-26页 |
| 2.1 风机的分类与组成 | 第19-20页 |
| 2.2 桨叶的结构 | 第20-22页 |
| 2.3 桨叶材料 | 第22-23页 |
| 2.3.1 纤维增强复合材料 | 第22页 |
| 2.3.2 碳纤维与玻璃纤维特点 | 第22-23页 |
| 2.4 桨叶的制作工艺 | 第23页 |
| 2.5 风机桨叶故障类型 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 风机桨叶故障检测系统设计 | 第26-46页 |
| 3.1 基于智能巡视的风机桨叶车载故障检测系统 | 第26-27页 |
| 3.2 检测系统硬件构成 | 第27-39页 |
| 3.2.1 检测系统设计 | 第27-38页 |
| 3.2.2 辅助系统设计 | 第38-39页 |
| 3.3 监测系统的软件设计 | 第39-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于K-means聚类和连通域的风机桨叶故障定位方法 | 第46-62页 |
| 4.1 风机桨叶的预处理方法研究 | 第46-47页 |
| 4.2 目标识别的方法研究 | 第47-52页 |
| 4.2.1 K-means均值聚类分析方法研究 | 第47-49页 |
| 4.2.2 连通域标记算法 | 第49-52页 |
| 4.3 风机桨叶的故障定位方法研究 | 第52-54页 |
| 4.4 算法实现 | 第54-57页 |
| 4.5 算法验证 | 第57-61页 |
| 4.5.1 裂纹故障检测 | 第57-59页 |
| 4.5.2 油污异常检测 | 第59-60页 |
| 4.5.3 腐蚀检测 | 第60-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第5章 结论与展望 | 第62-64页 |
| 5.1 结论 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第69-70页 |
| 致谢 | 第70页 |