| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1. 绪论 | 第8-16页 |
| 1.1 课题的来源及研究背景意义 | 第8-10页 |
| 1.1.1 课题的来源 | 第8页 |
| 1.1.2 课题的研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 风力机组轴承的研究现状 | 第10页 |
| 1.2.2 滚动轴承的故障诊断研究现状 | 第10-12页 |
| 1.2.3 风电主轴承的故障诊断研究现状 | 第12-13页 |
| 1.2.4 总体局域均值分解的研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 2 风电主轴承的振动故障机理分析 | 第16-32页 |
| 2.1 风电机组结构和主轴承的特点 | 第16-17页 |
| 2.1.1 风力发电机的机组结构特点 | 第16-17页 |
| 2.1.2 风电主轴承的特点分析 | 第17页 |
| 2.2 主轴承的故障原因和失效形式分析 | 第17-20页 |
| 2.2.1 主轴承故障原因分析 | 第17-18页 |
| 2.2.2 轴承的失效形式分析 | 第18-20页 |
| 2.3 主轴承的故障机理分析 | 第20-28页 |
| 2.3.1 Hertz接触理论 | 第20-22页 |
| 2.3.2 滚动体-滚道接触副模型 | 第22-24页 |
| 2.3.3 轴承的振动故障模型分析 | 第24-27页 |
| 2.3.4 轴承典型故障振动信号分析 | 第27-28页 |
| 2.4 主轴承的故障频率分析 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于ELMD模糊熵和IGK聚类的故障诊断方法 | 第32-57页 |
| 3.1 局域均值分解的原理和算法 | 第32-39页 |
| 3.1.1 局域均值分解原理 | 第32-34页 |
| 3.1.2 端点效应的定义和评价指标 | 第34-35页 |
| 3.1.3 基于极值波延拓的端点效应处理方法 | 第35-36页 |
| 3.1.4 仿真验证 | 第36-39页 |
| 3.2 总体局域均值分解的原理和算法 | 第39-43页 |
| 3.2.1 总体局域均值分解的原理 | 第39-40页 |
| 3.2.2 ELMD和LMD分解效果对比 | 第40-43页 |
| 3.3 模糊熵原理和算法 | 第43-45页 |
| 3.3.1 模糊熵原理 | 第43-44页 |
| 3.3.2 模糊熵参数的选取 | 第44-45页 |
| 3.4 IGK模糊聚类原理 | 第45-48页 |
| 3.4.1 GK模糊聚类原理 | 第45-46页 |
| 3.4.2 GK模糊聚类的改进 | 第46-47页 |
| 3.4.3 聚类贴近度 | 第47-48页 |
| 3.4.4 聚类效果的评价 | 第48页 |
| 3.5 故障诊断方法流程 | 第48-49页 |
| 3.6 故障诊断方法验证 | 第49-56页 |
| 3.6.1 轴承振动信号特征提取 | 第49-52页 |
| 3.6.2 基于IGK聚类的模式识别 | 第52-56页 |
| 3.7 本章小结 | 第56-57页 |
| 4 风力发电机主轴承的试验系统设计 | 第57-73页 |
| 4.1 风电主轴承缩尺模型的设计 | 第57-60页 |
| 4.1.1 相似理论原理 | 第57-58页 |
| 4.1.2 主轴承缩尺模型的设计 | 第58-60页 |
| 4.2 主轴承缩尺试验台的设计 | 第60-62页 |
| 4.2.1 试验台的技术要求 | 第60页 |
| 4.2.2 试验台的基本结构和工作原理 | 第60-62页 |
| 4.3 振动信号测试方案设计 | 第62-67页 |
| 4.3.1 传感器的选取 | 第62-64页 |
| 4.3.2 测点的布置 | 第64-65页 |
| 4.3.3 数据采集系统的设计 | 第65-67页 |
| 4.4 基于LabVIEW的风电主轴承故障诊断系统设计 | 第67-72页 |
| 4.4.1 登录模块设计 | 第67-68页 |
| 4.4.2 参数设置模块设计 | 第68-69页 |
| 4.4.3 信号读取模块设计 | 第69-70页 |
| 4.4.4 信号处理模块设计 | 第70-71页 |
| 4.4.5 模式识别模块设计 | 第71-72页 |
| 4.5 本章小结 | 第72-73页 |
| 5 风电主轴承试验实例分析 | 第73-88页 |
| 5.1 实验方案 | 第73-74页 |
| 5.2 风电主轴承故障信号分析 | 第74-80页 |
| 5.2.1 信号的预处理 | 第74-76页 |
| 5.2.2 幅值参数分析 | 第76-77页 |
| 5.2.3 时域分析 | 第77-78页 |
| 5.2.4 频域分析 | 第78-80页 |
| 5.3 基于ELMD模糊熵和IGK聚类在主轴承故障诊断中的应用 | 第80-86页 |
| 5.3.1 主轴承振动信号的ELMD分解 | 第80-82页 |
| 5.3.2 基于模糊熵的特征提取 | 第82-83页 |
| 5.3.3 基于IGK模糊聚类故障模式识别 | 第83-86页 |
| 5.4 本章小结 | 第86-88页 |
| 结论 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 攻读硕士学位期间发表学术论文情况 | 第93-94页 |
| 致谢 | 第94-96页 |