| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-14页 |
| 1.2 面向风电设备的总体监测诊断现状 | 第14-15页 |
| 1.3 齿轮箱监测技术及诊断方法研究现状 | 第15-16页 |
| 1.4 潜在过程模型概述及应用 | 第16-18页 |
| 1.5 本文主要研究内容 | 第18-20页 |
| 第2章 风电机组齿轮箱结构特点及故障机理研究 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 风电发电机组成及齿轮箱结构特点 | 第20-23页 |
| 2.2.1 风力发电机组成 | 第20页 |
| 2.2.2 齿轮箱的结构特点 | 第20-23页 |
| 2.3 风力发电机齿轮箱振动信号分析 | 第23-26页 |
| 2.3.1 齿轮箱故障产生机理 | 第23-24页 |
| 2.3.2 齿轮箱常见故障 | 第24-25页 |
| 2.3.3 齿轮箱振动信号特征 | 第25-26页 |
| 2.4 齿轮故障定子电流检测原理 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于LPM与支持向量机的振动信号故障诊断 | 第28-48页 |
| 3.1 引言 | 第28页 |
| 3.2 模型研究 | 第28-31页 |
| 3.2.1 潜在过程模型基本原理 | 第28-30页 |
| 3.2.2 LPM关键参数的优化选取 | 第30-31页 |
| 3.2.3 基于LPM的特征提取流程 | 第31页 |
| 3.3 基于仿真信号的LPM分析 | 第31-35页 |
| 3.4 基于振动信号的模式识别 | 第35-42页 |
| 3.4.1 支持向量机基本原理 | 第35-38页 |
| 3.4.2 基于支持向量机的齿轮箱轴承故障状态识别 | 第38-40页 |
| 3.4.3 主成分分析原理及分类 | 第40-42页 |
| 3.5 实验验证 | 第42-47页 |
| 3.5.1 风电传动模拟实验平台 | 第42-43页 |
| 3.5.2 齿轮磨损故障实验验证 | 第43-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于LPM与多尺度样本熵的定子电流故障诊断 | 第48-61页 |
| 4.1 引言 | 第48页 |
| 4.2 多尺度样本熵理论 | 第48-50页 |
| 4.2.1 样本熵理论 | 第48-49页 |
| 4.2.2 多尺度方法 | 第49页 |
| 4.2.3 多尺度样本熵理论 | 第49-50页 |
| 4.3 多尺度样本熵仿真验证及参数选取 | 第50-53页 |
| 4.4 基于LPM与多尺度样本熵的齿轮磨损故障特征量化 | 第53页 |
| 4.5 实验验证 | 第53-60页 |
| 4.5.1 齿轮箱磨损故障实验平台 | 第53-55页 |
| 4.5.2 齿轮实验方案 | 第55页 |
| 4.5.3 齿轮磨损故障分类识别 | 第55-58页 |
| 4.5.4 齿轮磨损故障定量分析 | 第58-60页 |
| 4.6 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间承担的科研任务和主要成果 | 第67-68页 |
| 致谢 | 第68页 |
