摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-19页 |
1.1 课题研究的目的和意义 | 第10-15页 |
1.2 风电齿轮箱故障在线监测国内外研究现状 | 第15-18页 |
1.2.1 基于振动信号的监测方法 | 第15-16页 |
1.2.2 基于人工智能的监测方法 | 第16-17页 |
1.2.3 基于模拟仿真的故障诊断方法方法 | 第17-18页 |
1.3 论文主要内容 | 第18-19页 |
第2章 齿轮箱常见故障及振动分析 | 第19-26页 |
2.1 风电机组齿轮箱原理 | 第19页 |
2.2 齿轮故障类型及振动分析 | 第19-22页 |
2.2.1 齿轮故障类型及成因 | 第19-21页 |
2.2.2 齿轮特征频率分析 | 第21-22页 |
2.3 滚动轴承故障类型及振动分析 | 第22-26页 |
2.3.1 滚动轴承故障类型及成因 | 第22-24页 |
2.3.2 滚动轴承故障频率分析 | 第24-26页 |
第3章 基于VMD和双谱方法的风机滚动轴承故障特征提取 | 第26-39页 |
3.1 变分模式分解 | 第26-29页 |
3.1.1 变分模型的建立 | 第27页 |
3.1.2 变分模型的求解 | 第27-29页 |
3.1.3 VMD算法具体过程 | 第29页 |
3.2 双谱定义及估计算法 | 第29-30页 |
3.3 峭度定义及计算方法 | 第30页 |
3.4 轴承故障特征提取过程 | 第30页 |
3.5 仿真信号分析 | 第30-32页 |
3.6 滚动轴承故障实验信号分析 | 第32-38页 |
3.6.1 滚动轴承外圈故障信号分析 | 第32-35页 |
3.6.2 滚动轴承滚动体故障信号分析 | 第35-38页 |
3.7 本章小结 | 第38-39页 |
第4章 基于VMD和Teager能量算子方法的滚动轴承故障诊断 | 第39-48页 |
4.1 Teager能量算子 | 第39-40页 |
4.2 基于VMD-Teager的滚动轴承故障诊断方法 | 第40-47页 |
4.2.1 仿真分析 | 第40-44页 |
4.2.2 实验分析 | 第44-47页 |
4.3 本章小结 | 第47-48页 |
第5章 基于EEMD和PCA融合分析的风电机组齿轮箱故障监测 | 第48-60页 |
5.1 集合经验模态分解 | 第48-49页 |
5.2 主成分分析 | 第49-50页 |
5.3 基于EEMD-PCA非平稳信号降噪 | 第50-52页 |
5.4 基于EEMD-PCA的齿轮箱性能退化模型 | 第52页 |
5.5 EEMD-PCA方法应用于风电机组齿轮故障监测 | 第52-54页 |
5.6 实际监测现场示意图 | 第54-58页 |
5.7 本章小结 | 第58-60页 |
第6章 结论与展望 | 第60-62页 |
6.1 结论 | 第60页 |
6.2 展望 | 第60-62页 |
参考文献 | 第62-66页 |
攻读硕士学位期间发表的学术论文 | 第66-67页 |
致谢 | 第67页 |