| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题背景及研究意义 | 第9-11页 |
| 1.2 风电齿轮箱状态监测技术研究现状 | 第11-14页 |
| 1.3 基于振动信号的风电齿轮箱故障诊断方法研究现状 | 第14-19页 |
| 1.3.1 基于振动信号的故障特征提取方法研究现状 | 第14-17页 |
| 1.3.2 基于振动信号的故障模式识别方法研究现状 | 第17-19页 |
| 1.4 本文的主要研究内容 | 第19-20页 |
| 第2章 风电齿轮箱故障机理分析 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 风机基本构成及典型故障类型 | 第20-22页 |
| 2.3 风电齿轮箱典型故障分析 | 第22-27页 |
| 2.3.1 风电齿轮箱组成及特点 | 第22-23页 |
| 2.3.2 滚动轴承故障机理分析 | 第23-25页 |
| 2.3.3 齿轮故障机理分析 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 变分模态分解理论基础 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 经验模态分解 | 第28-31页 |
| 3.2.1 本征模态函数的概念 | 第28页 |
| 3.2.2 EMD基本原理 | 第28-29页 |
| 3.2.3 EMD局限性 | 第29-31页 |
| 3.3 变分模态分解 | 第31-41页 |
| 3.3.1 VMD基本原理 | 第31-34页 |
| 3.3.2 仿真分析 | 第34-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于VMD和RB-SSD的单一故障诊断 | 第42-55页 |
| 4.1 引言 | 第42页 |
| 4.2 信号共振稀疏分解原理 | 第42-44页 |
| 4.2.1 形态分量分析 | 第42-43页 |
| 4.2.2 信号共振稀疏分解 | 第43-44页 |
| 4.3 风电齿轮箱单一故障诊断 | 第44-54页 |
| 4.3.1 基于VMD和RB-SSD的微弱特征提取 | 第44-45页 |
| 4.3.2 仿真分析 | 第45-49页 |
| 4.3.3 实验验证 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 基于VMMWPE的复合故障诊断 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 加权排序熵原理 | 第55-57页 |
| 5.2.1 排序熵 | 第55-56页 |
| 5.2.2 加权排序熵 | 第56-57页 |
| 5.3 风电齿轮箱复合故障诊断 | 第57-64页 |
| 5.3.1 基于VMMWPE的非线性特征量化分析 | 第57-59页 |
| 5.3.2 实验验证 | 第59-64页 |
| 5.4 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72页 |
