| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 数据融合技术研究现状 | 第13-14页 |
| 1.2.2 状态评价技术研究现状 | 第14-15页 |
| 1.2.3 故障诊断技术研究现状 | 第15-16页 |
| 1.2.4 风力机状态预测研究现状 | 第16-18页 |
| 1.3 本文的研究目标和研究内容 | 第18-20页 |
| 1.4 本文的结构安排 | 第20-21页 |
| 第二章 基于SCADA的风力机PHM框架设计与关键技术分析 | 第21-30页 |
| 2.1 风力机PHM框架理论基础 | 第21-23页 |
| 2.1.1 风力机的SCADA系统概述 | 第21-22页 |
| 2.1.2 风力机结构及工作原理 | 第22-23页 |
| 2.1.3 PHM技术概述 | 第23页 |
| 2.2 风力机的PHM的框架设计 | 第23-24页 |
| 2.3 关键技术分析 | 第24-29页 |
| 2.3.1 风力机的故障模式、影响及危害性分析方法（FMECA）分析 | 第24-25页 |
| 2.3.2 数据融合技术分析 | 第25-26页 |
| 2.3.3 状态评价技术分析 | 第26-27页 |
| 2.3.4 故障诊断技术分析 | 第27-28页 |
| 2.3.5 状态预测技术分析 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 风力机的故障预测与健康管理关键技术研究 | 第30-68页 |
| 3.1 SCADA系统中风力机数据的预处理 | 第30-34页 |
| 3.1.1 风力机状态及特征分析 | 第30-31页 |
| 3.1.2 风力机状态特征提取和选择 | 第31-32页 |
| 3.1.3 基于加权D-S证据理论的数据融合 | 第32-34页 |
| 3.2 风力机的FMECA分析 | 第34-38页 |
| 3.2.1 风力机常见故障及其原因 | 第34-37页 |
| 3.2.2 FMECA分析 | 第37-38页 |
| 3.3 风力机运行状态评价模型的建立 | 第38-47页 |
| 3.3.1 发电设备状态评价标准 | 第39页 |
| 3.3.2 风力机状态阈值的确定 | 第39-41页 |
| 3.3.3 风力机状态评价指标--劣化度 | 第41-42页 |
| 3.3.4 风力机状态的变权模糊综合评价模型 | 第42-45页 |
| 3.3.5 风力机运行状态评价实例 | 第45-47页 |
| 3.4 风力机故障诊断技术应用研究 | 第47-61页 |
| 3.4.1 故障诊断分类 | 第47-49页 |
| 3.4.2 故障诊断准则 | 第49-50页 |
| 3.4.3 故障诊断方法 | 第50-60页 |
| 3.4.4 风力机故障诊断实例 | 第60-61页 |
| 3.5 风力机运行状态预测模型的建立 | 第61-67页 |
| 3.5.1 设备状态预测方法分析 | 第62-63页 |
| 3.5.2 等维灰数递补动态预测模型 | 第63-65页 |
| 3.5.3 风力机运行状态预测实例 | 第65-67页 |
| 3.6 本章小结 | 第67-68页 |
| 第四章 风力机PHM系统的设计与实现 | 第68-78页 |
| 4.1 系统总体设计 | 第68-69页 |
| 4.1.1 系统设计目标 | 第68页 |
| 4.1.2 系统总体结构 | 第68-69页 |
| 4.2 系统主要功能模块设计 | 第69-71页 |
| 4.2.1 特征参数管理 | 第69页 |
| 4.2.2 状态评价模块 | 第69-70页 |
| 4.2.3 故障诊断模块 | 第70-71页 |
| 4.2.4 状态预测模块 | 第71页 |
| 4.3 风力机故障预测与健康管理系统的实现 | 第71-75页 |
| 4.3.1 特征参数管理 | 第71-72页 |
| 4.3.2 状态评价管理 | 第72-74页 |
| 4.3.3 故障诊断管理 | 第74-75页 |
| 4.3.4 状态预测管理 | 第75页 |
| 4.4 系统测试 | 第75-77页 |
| 4.5 本章小结 | 第77-78页 |
| 第五章 总结与展望 | 第78-80页 |
| 5.1 总结 | 第78-79页 |
| 5.2 展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-84页 |