| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.1.1 我国能源现状 | 第9-10页 |
| 1.1.2 风力发电的发展 | 第10页 |
| 1.1.3 课题意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 风力发电技术 | 第11-12页 |
| 1.2.2 风力发电系统的故障诊断与容错控制技术 | 第12-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 第2章 风力发电系统的建模 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 风力发电系统的运行方式及控制任务 | 第16-17页 |
| 2.3 风力发电系统的基本结构与数学模型 | 第17-24页 |
| 2.3.1 风力发电系统的基本结构 | 第17页 |
| 2.3.2 风能转换系统 | 第17-19页 |
| 2.3.3 风机传动机构 | 第19-20页 |
| 2.3.4 变桨距系统 | 第20-21页 |
| 2.3.5 发电机系统 | 第21页 |
| 2.3.6 风力发电系统最终模型 | 第21-24页 |
| 2.4 风力发电系统的故障类型 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于参数辨识的风力发电系统的故障诊断 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 基于参数辨识的风电系统故障诊断 | 第27-33页 |
| 3.2.1 基于参数辨识的风电系统故障诊断的基本结构 | 第27-28页 |
| 3.2.2 遗忘因子递推最小二乘法基本原理 | 第28-32页 |
| 3.2.3 贝叶斯决策方法 | 第32-33页 |
| 3.3 基于BP神经网络的故障分类 | 第33-35页 |
| 3.4 仿真结果 | 第35-41页 |
| 3.4.1 基于参数辨识的故障检测 | 第35-39页 |
| 3.4.2 基于神经网络的故障分类 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于多模型预测控制的风力发电系统容错控制策略 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 基于多模型预测控制的风电系统容错控制结构 | 第42-43页 |
| 4.3 多模型预测控制的基本原理及算法 | 第43-46页 |
| 4.3.1 多模型预测控制的基本原理 | 第43-44页 |
| 4.3.2 基于状态空间模型的预测控制基本算法 | 第44-46页 |
| 4.4 基于多模型预测控制的容错控制在风电系统中的应用 | 第46-53页 |
| 4.4.1 正常状态下的仿真结果 | 第46-47页 |
| 4.4.2 故障状态下的模型及仿真结果 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 全文总结与展望 | 第54-56页 |
| 5.1 本文所做的工作 | 第54页 |
| 5.2 存在的问题及展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |
