| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 风电机组齿轮箱基本结构及常见故障 | 第11-14页 |
| 1.3 课题国内外研究现状 | 第14-16页 |
| 1.3.1 风电机组齿轮箱故障诊断方法现状 | 第14页 |
| 1.3.2 支持向量机国内外研究历史和现状 | 第14-15页 |
| 1.3.3 齿轮箱故障诊断问题国内外发展历史及研究现状 | 第15-16页 |
| 1.4 课题研究的内容及结构 | 第16-17页 |
| 第2章 数据预处理 | 第17-33页 |
| 2.1 信号数据来源 | 第17-18页 |
| 2.2 振动信号降噪处理 | 第18-23页 |
| 2.2.1 经典滤波方法 | 第18-19页 |
| 2.2.2 小波变换降噪法 | 第19-20页 |
| 2.2.3 小波包降噪 | 第20-21页 |
| 2.2.4 基于小波包分解的振动信号白噪声滤波 | 第21-23页 |
| 2.3 振动故障信号特征参数提取 | 第23-31页 |
| 2.3.1 时域故障特征参数提取 | 第23-26页 |
| 2.3.2 频域故障特征参数提取 | 第26-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 基于DS-FOA的支持向量机参数优化 | 第33-47页 |
| 3.1 支持向量机介绍 | 第33-36页 |
| 3.1.1 支持向量机分类 | 第33-36页 |
| 3.1.2 核函数 | 第36页 |
| 3.2 粒子群优化算法和果蝇优化算法介绍 | 第36-41页 |
| 3.2.1 粒子群优化算法简介 | 第36-38页 |
| 3.2.2 递减步长果蝇优化算法 | 第38-41页 |
| 3.3 基于DS-FOA的支持向量机参数优化应用 | 第41-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于决策树支持向量机的风机齿轮箱故障诊断 | 第47-57页 |
| 4.1 风机齿轮箱混合故障问题阐述 | 第47-48页 |
| 4.2 基于决策树SVM的混合故障分类模型 | 第48-50页 |
| 4.2.1 决策树支持向量机 | 第48-49页 |
| 4.2.2 风机齿轮箱混合故障分类模型建立 | 第49-50页 |
| 4.3 基于决策树支持向量机的风机齿轮箱故障诊断应用 | 第50-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 结论与展望 | 第57-59页 |
| 5.1 结论 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第64-66页 |
| 致谢 | 第66页 |