基于混沌分形理论的大型风电机械故障诊断研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-27页 |
| ·课题意义和目的 | 第12-14页 |
| ·大型风力机故障诊断的关键问题 | 第14-16页 |
| ·国内外研究动态 | 第16-21页 |
| ·风力机状态监测国内外研究动态 | 第16-18页 |
| ·基于混沌分形信号检测国内外研究动态 | 第18-21页 |
| ·课题主要研究内容 | 第21-27页 |
| ·基于混沌振子风力机振动信号检测研究 | 第21-22页 |
| ·基于分形维数风力机振动信号研究 | 第22-23页 |
| ·混沌时间序列大型风力机设备状态的预测 | 第23-24页 |
| ·论文结构 | 第24-27页 |
| 第二章 混沌分形基础理论 | 第27-42页 |
| ·混沌的基础知识 | 第27-29页 |
| ·混沌定义 | 第27-28页 |
| ·相空间和相轨迹 | 第28页 |
| ·奇怪吸引子 | 第28-29页 |
| ·混沌判据 | 第29-31页 |
| ·Duffing 方程的动力特性 | 第31-33页 |
| ·分形基础理论 | 第33-40页 |
| ·分形的概念 | 第34-35页 |
| ·无标度性 | 第35-36页 |
| ·分形维数测量方法 | 第36-40页 |
| ·分形和混沌的关系 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 基于混沌振子大型风电机械故障诊断 | 第42-67页 |
| ·基于Duffing 振子早期故障信号检测模型 | 第43-51页 |
| ·基于Duffing 振子对微弱故障信号提子提取 | 第43-44页 |
| ·异频信号对检测的影响 | 第44-45页 |
| ·系统噪声对诊断的影响 | 第45-47页 |
| ·基于Lyapunov 指数定量判断 | 第47-50页 |
| ·取样积分技术与Duffing 振子信号检测 | 第50-51页 |
| ·基于阶次分析的Duffing 振子信号检测 | 第51-54页 |
| ·阶次分析 | 第51-52页 |
| ·采样率设置准则 | 第52-54页 |
| ·增速箱齿轮早期故障诊断实验 | 第54-60页 |
| ·信号检测过程 | 第55-56页 |
| ·实验分析 | 第56-60页 |
| ·增速箱轴承早期故障诊断实验 | 第60-66页 |
| ·风机运行不平稳性 | 第60-63页 |
| ·增速箱轴承故障检测过程 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第四章 基于分形维数的风电运行状态识别 | 第67-89页 |
| ·风力机振动信号的分形特征 | 第67-69页 |
| ·基于盒维数分形的状态识别模型 | 第69-74页 |
| ·盒维数增速箱状态识别 | 第69-72页 |
| ·时间幅值双尺度盒维数计算 | 第72-74页 |
| ·基于关联维数的状态识别 | 第74-84页 |
| ·延迟法相空间重构 | 第74-75页 |
| ·延迟时间的确定 | 第75-78页 |
| ·嵌入窗宽 C-C 方法 | 第78-80页 |
| ·振动信号关联维数计算 | 第80-82页 |
| ·小波关联维数计算 | 第82-84页 |
| ·基于多重分形的故障诊断主轴承状态识别 | 第84-88页 |
| ·多重分形模型 | 第84-85页 |
| ·风力机主轴承振动信号多重分形过程 | 第85-86页 |
| ·主轴承系统诊断实验 | 第86-88页 |
| ·本章小结 | 第88-89页 |
| 第五章 混沌时间序列的风电运行状态预测 | 第89-100页 |
| ·基于混沌理论的机电系统运行状态预测过程 | 第89-92页 |
| ·状态预测过程 | 第89-90页 |
| ·风电系统状态趋势预测方法 | 第90-92页 |
| ·混沌局部预测算法 | 第92-95页 |
| ·线性局部预测法 | 第92-93页 |
| ·最大Lyapunov 指数局部预测法 | 第93-94页 |
| ·Lyapunov 指数时间序列预测改进 | 第94-95页 |
| ·风电混沌状态短期预测 | 第95-99页 |
| ·本章小结 | 第99-100页 |
| 第六章 结论 | 第100-102页 |
| ·结论 | 第100-101页 |
| ·展望 | 第101-102页 |
| 参考文献 | 第102-112页 |
| 在学研究成果 | 第112-114页 |
| 致谢 | 第114页 |
