| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 选题背景及意义 | 第10页 |
| 1.2 风力发电机组故障诊断与状态评估的意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 风力发电机组故障类型及特征 | 第11-12页 |
| 1.3.2 故障诊断技术研究现状 | 第12-13页 |
| 1.3.3 状态评估技术研究现状 | 第13-15页 |
| 1.4 本课题的主要研究内容 | 第15-17页 |
| 第2章 大型双馈风力发电机组的原理与故障分析 | 第17-25页 |
| 2.1 大型风电机组简介 | 第17-20页 |
| 2.1.1 风电机组的基本构成及工作原理 | 第17-18页 |
| 2.1.2 风电机组运行特性分析 | 第18-20页 |
| 2.2 风力发电机组运行故障及特征分析 | 第20-22页 |
| 2.3 风力发电机组故障诊断方法及状态监测（SCADA系统） | 第22-24页 |
| 2.3.1 风力发电机组故障诊断方法 | 第22-23页 |
| 2.3.2 风力发电机组状态监测（SCADA系统） | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于熵权模糊理论的风电机组状态评估方案设计 | 第25-35页 |
| 3.1 熵权法、模糊综合评判理论介绍 | 第25-26页 |
| 3.1.1 熵权法综合评估分析 | 第25页 |
| 3.1.2 模糊综合评判理论分析 | 第25-26页 |
| 3.2 风电机组状态熵权模糊评估方案设计 | 第26-31页 |
| 3.2.1 风电机组状态评估指标分析及确立 | 第26-28页 |
| 3.2.2 基于熵权法的评估指标权值确定 | 第28-29页 |
| 3.2.2.1 风电机组评估指标归一化 | 第28-29页 |
| 3.2.2.2 各指标信息熵值和权重 | 第29页 |
| 3.2.3 模糊评判集及隶属度函数的建立 | 第29-31页 |
| 3.3 实例分析 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于故障树的风电机组状态评估方案设计 | 第35-54页 |
| 4.1 故障树分析方法 | 第35页 |
| 4.2 风电机组核心组成环节故障树建立 | 第35-44页 |
| 4.2.1 风轮系统故障树 | 第35-36页 |
| 4.2.2 传动系统故障树 | 第36-39页 |
| 4.2.3 液压系统故障树 | 第39-40页 |
| 4.2.4 偏航系统故障树 | 第40-41页 |
| 4.2.5 变桨系统故障树 | 第41-43页 |
| 4.2.6 发电机系统故障树 | 第43-44页 |
| 4.3 基于故障树的风电机组故障特性分析及运行状态评估 | 第44-52页 |
| 4.3.1 基于故障树分析法的故障分析 | 第44-46页 |
| 4.3.2 风电机组故障树知识库的构建 | 第46-48页 |
| 4.3.2.1 故障树知识获取 | 第46页 |
| 4.3.2.2 基于故障树的风电机组诊断知识库构建 | 第46-48页 |
| 4.3.3 建立故障推理机进行运行状态评估 | 第48-50页 |
| 4.3.4 风电机组运行状态对输出功率的影响 | 第50-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 结论与展望 | 第54-55页 |
| 5.1 结论 | 第54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表论文及其他成果 | 第58-59页 |
| 致谢 | 第59页 |
