风电机组状态监测与故障诊断系统的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 风电机组状态监测与故障诊断研究背景 | 第9-10页 |
| 1.2 发展风电机组状态监测与故障诊断系统的意义 | 第10-11页 |
| 1.3 监测系统和诊断系统的发展现状 | 第11-13页 |
| 1.3.1 风力机状态监测的发展现状 | 第11-12页 |
| 1.3.2 风电机组故障诊断的发展现状 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 第二章 风力机基本结构与故障机理 | 第15-27页 |
| 2.1 风电机组工作原理和组成 | 第15-16页 |
| 2.2 风电机组主要故障和机理分析 | 第16-24页 |
| 2.2.1 发电机的主要故障和机理分析 | 第18-20页 |
| 2.2.2 齿轮箱的主要故障和机理分析 | 第20-24页 |
| 2.3 特征信号与故障诊断方法的选取 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 状态参数的采集传输和储存 | 第27-40页 |
| 3.1 风机运行状态参数采集系统 | 第27-33页 |
| 3.1.1 振动和电流信号传感器选型 | 第28-30页 |
| 3.1.2 采集卡和工控机选型 | 第30-31页 |
| 3.1.3 传感器安装位置和整体结构 | 第31-33页 |
| 3.2 基于智能天线的远距离无线传输系统 | 第33-39页 |
| 3.2.1 MIMO 多天线无线通信 | 第34-35页 |
| 3.2.2 远距离无线网络的组成 | 第35-37页 |
| 3.2.3 监测数据的存储数据库 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 故障特征值和故障诊断方法原理 | 第40-53页 |
| 4.1 信号分析与处理原理 | 第40-48页 |
| 4.1.1 频域分析法 | 第40-43页 |
| 4.1.2 时频域分析法 | 第43-48页 |
| 4.2 神经网络理论 | 第48-52页 |
| 4.2.1 人工神经网络模型 | 第49-50页 |
| 4.2.2 BP 神经网络多层前馈模型 | 第50-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 系统算法分析和实验结果 | 第53-66页 |
| 5.1 在线状态监测结果与传输系统的性能 | 第53-55页 |
| 5.1.1 传感器采集数据 | 第53页 |
| 5.1.2 通信网络结构和性能 | 第53-55页 |
| 5.2 运行状态参数中提取特征量 | 第55-58页 |
| 5.2.1 状态参数的预处理 | 第55页 |
| 5.2.2 小波包提取故障特征的算法 | 第55-58页 |
| 5.3 故障诊断神经网络的实现 | 第58-62页 |
| 5.3.1 用于故障诊断的 BP 神经网络 | 第58-61页 |
| 5.3.2 BP 神经网络状态预测 | 第61-62页 |
| 5.4 系统人机界面 | 第62-64页 |
| 5.5 本章小结 | 第64-66页 |
| 结论和展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 附录 | 第71-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
