| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 选题背景 | 第9-11页 |
| 1.2 选题目的和意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 风电机组非平稳振动信号处理技术研究现状 | 第12-14页 |
| 1.3.2 风电机组智能故障诊断方法研究现状 | 第14页 |
| 1.4 论文研究内容 | 第14-17页 |
| 2 风电机组基础和典型故障分析 | 第17-29页 |
| 2.1 风电机组的基本结构和发电原理 | 第17-19页 |
| 2.1.1 齿轮箱升速型双馈感应异步风电机组 | 第17-18页 |
| 2.1.2 直驱型永磁同步风电机组 | 第18-19页 |
| 2.2 风电机组典型故障分析 | 第19-25页 |
| 2.2.1 齿轮箱常见故障及原因 | 第19-21页 |
| 2.2.1.1 齿轮常见故障分析 | 第19-20页 |
| 2.2.1.2 高、低速轴常见故障分析 | 第20-21页 |
| 2.2.2 滚动轴承主要故障和振动机理分析 | 第21-24页 |
| 2.2.2.1 常见故障类型及原因 | 第21-22页 |
| 2.2.2.2 滚动轴承振动机理和振动故障信号特征 | 第22-24页 |
| 2.2.3 发电机主要故障及原因 | 第24-25页 |
| 2.3 风电机组振动测点的布置 | 第25-27页 |
| 2.4 风电机组振动故障数据的来源 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 基于变分模态分解的风电机组非平稳振动信号检测 | 第29-43页 |
| 3.1 变分模态分解 | 第29-30页 |
| 3.2 仿真分析 | 第30-34页 |
| 3.2.1 第一类模态混叠的仿真研究 | 第31页 |
| 3.2.2 第二类模态混叠的仿真研究 | 第31-34页 |
| 3.3 VMD分解重要参数的选取 | 第34-38页 |
| 3.3.1 分解尺度K的选取 | 第34-36页 |
| 3.3.2 惩罚因子a的选取 | 第36-38页 |
| 3.4 基于VMD包络谱的风电机组非平稳振动信号检测 | 第38-40页 |
| 3.5 本章小结 | 第40-43页 |
| 4 基于IPSO-SVM智能故障诊断模型 | 第43-59页 |
| 4.1 基于VMD能量的故障特征提取 | 第43页 |
| 4.2 支持向量机的分类原理 | 第43-52页 |
| 4.2.1 VC维与结构风险最小化 | 第44-46页 |
| 4.2.2 线性可分支持向量机 | 第46-48页 |
| 4.2.3 非线性可分支持向量机 | 第48-50页 |
| 4.2.4 支持向量机的核函数 | 第50-51页 |
| 4.2.5 SVM诊断模型参数的优化选取 | 第51-52页 |
| 4.3 粒子群算法 | 第52-55页 |
| 4.3.1 粒子群算法的基本原理 | 第52-53页 |
| 4.3.2 粒子群算法的基本流程 | 第53页 |
| 4.3.3 粒子群算法参数的选择 | 第53-54页 |
| 4.3.4 粒子群算法的优缺点 | 第54页 |
| 4.3.5 粒子群算法的改进 | 第54-55页 |
| 4.4 SVM参数的优化 | 第55-57页 |
| 4.5 诊断步骤 | 第57页 |
| 4.6 本章小节 | 第57-59页 |
| 5 实例分析-以风电机组滚动轴承为例 | 第59-71页 |
| 5.1 基于VMD-SVM风电机组滚动轴承故障类型诊断 | 第59-65页 |
| 5.1.1 同负荷下滚动轴承故障类型诊断 | 第59-62页 |
| 5.1.2 变负荷下滚动轴承故障类型诊断 | 第62-65页 |
| 5.2 基于VMD-SVM风电机组滚动轴承故障程度诊断 | 第65-70页 |
| 5.2.1 同负荷下滚动轴承故障程度诊断 | 第65-67页 |
| 5.2.2 变负荷下滚动轴承故障程度诊断 | 第67-70页 |
| 5.3 本章小结 | 第70-71页 |
| 6 结论与展望 | 第71-73页 |
| 6.1 结论 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 附录 | 第79页 |
