| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-12页 |
| 1 绪论 | 第12-24页 |
| ·课题背景和研究意义 | 第12-15页 |
| ·风电机组故障诊断技术现状 | 第15-20页 |
| ·故障特征提取技术研究现状 | 第15-17页 |
| ·模式识别技术研究现状 | 第17-18页 |
| ·故障诊断解决策略研究现状 | 第18-20页 |
| ·本文主要工作 | 第20-22页 |
| ·本文结构安排 | 第22-24页 |
| 2 面向风电机组故障诊断的模式识别稳定性研究 | 第24-52页 |
| ·遗传算法分层优化最小二乘支持向量机 | 第24-38页 |
| ·最小二乘支持向量机 | 第24-25页 |
| ·遗传算法分层优化多项式核的多类LS-SVM | 第25-29页 |
| ·遗传算法分层优化LS-SVM 的仿真验证和应用实例 | 第29-38页 |
| ·小波核函数改进支持向量机 | 第38-47页 |
| ·平移不变支持向量核的条件 | 第39页 |
| ·Littlewood-Paley、Shannon、Morlet 小波核函数 | 第39-41页 |
| ·小波支持向量机的仿真验证和应用实例 | 第41-47页 |
| ·最近邻分类器 | 第47-50页 |
| ·最近邻分类器算法 | 第47页 |
| ·最近邻分类器的仿真验证和应用实例 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 3 基于主成分分析和 BP 网络维数调整的风电机组故障诊断自动化与高精度研究 | 第52-66页 |
| ·主成分分析 | 第53-54页 |
| ·BP 神经网络 | 第54-56页 |
| ·基于PCA 和BP 神经网络维数调整的风电机组故障诊断模型 | 第56-57页 |
| ·基于PCA 和BP 神经网络维数调整的故障诊断模型应用实例 | 第57-64页 |
| ·本章小结 | 第64-66页 |
| 4 基于流形学习和混合域特征融合的风电机组故障诊断快速性与通用性研究 | 第66-104页 |
| ·正交局部保持映射(OLPP) | 第67-69页 |
| ·正交局部保持映射维数约简的问题描述 | 第67页 |
| ·正交局部保持映射算法 | 第67-68页 |
| ·正交局部保持映射的理论依据 | 第68-69页 |
| ·正交邻域保持嵌入(ONPE) | 第69-71页 |
| ·正交邻域保持嵌入维数约简的问题描述 | 第69页 |
| ·正交邻域保持嵌入算法 | 第69-70页 |
| ·正交邻域保持嵌入的理论依据 | 第70-71页 |
| ·线性局部切空间排列(LLTSA) | 第71-73页 |
| ·线性局部切空间排列维数约简的问题描述 | 第71页 |
| ·线性局部切空间排列维数约简算法 | 第71-72页 |
| ·线性局部切空间排列维数约简的理论依据 | 第72-73页 |
| ·基于流形学习特征约简的风电机组故障诊断模型 | 第73-74页 |
| ·基于流形学习特征约简的风电机组故障诊断模型应用实例 | 第74-84页 |
| ·混合域特征融合 | 第84-87页 |
| ·EMD 与AR 模型系数融合 | 第85-87页 |
| ·时域特征与频域特征融合 | 第87页 |
| ·用混合域特征融合改进基于流形学习特征约简的故障诊断模型 | 第87-88页 |
| ·基于混合域特征融合和流形学习特征约简的风电机组故障诊断模型应用分析 | 第88-102页 |
| ·本章小结 | 第102-104页 |
| 5 风电机组状态监测与故障诊断系统设计 | 第104-132页 |
| ·系统总体设计 | 第104-107页 |
| ·需求分析 | 第104-105页 |
| ·总体设计 | 第105-107页 |
| ·系统硬件设计 | 第107-111页 |
| ·传感器、采集卡、无线声发射传感器网络节点的选型 | 第107-108页 |
| ·传感器的安装 | 第108-109页 |
| ·测点布置 | 第109-111页 |
| ·前端采集构架 | 第111页 |
| ·系统软件设计 | 第111-119页 |
| ·开发语言选择、操作系统配置要求 | 第111-112页 |
| ·数据库构建 | 第112-113页 |
| ·数据采集软件设计 | 第113页 |
| ·监控维护集成分析软件设计 | 第113-119页 |
| ·应用实例 | 第119-131页 |
| ·风电机组发电机输入端轴承故障诊断 | 第119-125页 |
| ·空间活动件内部轴承寿命状态识别 | 第125-131页 |
| ·本章小结 | 第131-132页 |
| 6 结论与展望 | 第132-136页 |
| ·结论 | 第132-134页 |
| ·全文总结 | 第132-133页 |
| ·主要创新点 | 第133-134页 |
| ·研究展望 | 第134-136页 |
| 致谢 | 第136-138页 |
| 参考文献 | 第138-148页 |
| 附录 | 第148-149页 |
| A. 作者在攻读博士学位期间发表的论文目录 | 第148-149页 |
| B. 作者在攻读博士学位期间参加的科研项目 | 第149页 |
