| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 故障诊断技术国内外研究现状 | 第11-14页 |
| 1.2.2 故障预测技术国内外研究现状 | 第14-18页 |
| 1.3 本文解决的主要问题 | 第18-19页 |
| 1.4 本文研究的主要内容 | 第19-21页 |
| 第2章 风电机组传动系统故障机理分析与建模 | 第21-35页 |
| 2.1 引言 | 第21-22页 |
| 2.2 风电机组传动系统故障模式与机理分析 | 第22-29页 |
| 2.2.1 轴承故障模式与机理分析 | 第22-25页 |
| 2.2.2 齿轮故障模式与机理分析 | 第25-28页 |
| 2.2.3 轴承、齿轮定点疲劳故障模式与机理分析 | 第28-29页 |
| 2.3 风电机组传动系统故障模型分析 | 第29-34页 |
| 2.4 小结 | 第34-35页 |
| 第3章 基于D-S算法的多源信息融合的风电机组传动系统故障诊断方法研究 | 第35-75页 |
| 3.1 引言 | 第35页 |
| 3.2 风电机组传动系统故障特征识别技术与传感器设计 | 第35-51页 |
| 3.2.1 风电机组传动系统振动与冲击典型特征及识别技术研究 | 第36-45页 |
| 3.2.2 冲击、振动和温度复合传感器设计 | 第45-51页 |
| 3.3 多源信息融合的风电机组传动系统故障诊断方法研究 | 第51-63页 |
| 3.3.1 基于D-S算法的风电机组传动系统多源信息融合的研究 | 第51-58页 |
| 3.3.2 风电机组传动系统工况之轴承齿轮定点疲劳研究 | 第58-63页 |
| 3.4 风电机组传动系统多源信息融合的故障诊断方法算例分析 | 第63-74页 |
| 3.5 小结 | 第74-75页 |
| 第4章 基于遗传算法的改进型HMM的风电机组传动系统故障预测方法研究 | 第75-93页 |
| 4.1 引言 | 第75页 |
| 4.2 基于风电机组传动系统的HMM模型研究 | 第75-80页 |
| 4.2.1 基于风电机组传动系统的HMM建模 | 第75-79页 |
| 4.2.2 HMM中优化问题的仿真分析 | 第79-80页 |
| 4.3 基于遗传算法的改进型HMM预测方法与驻留时间研究 | 第80-86页 |
| 4.3.1 基于遗传算法的改进型HMM预测方法研究 | 第81-85页 |
| 4.3.2 风电机组传动系统各退化状态驻留时间研究 | 第85-86页 |
| 4.4 风电机组传动系统故障预测基本思路与算例分析 | 第86-92页 |
| 4.4.1 风电机组传动系统故障预测的基本思路 | 第86-87页 |
| 4.4.2 风电机组传动系统故障预测方法算例分析 | 第87-92页 |
| 4.5 小结 | 第92-93页 |
| 第5章 风电机组传动系统故障诊断与预测试验研究 | 第93-110页 |
| 5.1 引言 | 第93页 |
| 5.2 试验方案 | 第93-96页 |
| 5.2.1 试验平台 | 第93-95页 |
| 5.2.2 试验方法 | 第95-96页 |
| 5.3 试验结果 | 第96-97页 |
| 5.4 试验分析 | 第97-109页 |
| 5.4.1 基于多源信息融合的故障诊断方法分析 | 第97-101页 |
| 5.4.2 基于改进型HMM的故障预测方法分析 | 第101-109页 |
| 5.5 小结 | 第109-110页 |
| 第6章 结论与展望 | 第110-113页 |
| 6.1 总结与结论 | 第110-111页 |
| 6.2 研究展望 | 第111-113页 |
| 参考文献 | 第113-119页 |
| 附录A 1.5MW双馈风电机组传动系统轴承齿轮参数表 | 第119-120页 |
| 在学研究成果 | 第120-121页 |
| 致谢 | 第121页 |
