| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.2 国内外风力发电状态监测的研究现状 | 第11-13页 |
| 1.2.1 国外风力发电状态监测的研究现状 | 第11页 |
| 1.2.2 国内风力发电状态监测的研究现状 | 第11-12页 |
| 1.2.3 风力发电状态监测研究方法 | 第12-13页 |
| 1.3 数据挖掘方法的研究现状 | 第13-15页 |
| 1.4 本课题的主要研究内容 | 第15-17页 |
| 第2章 基于APRIORI关联规则对故障的研究 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 关联规则基本原理 | 第17-22页 |
| 2.2.1 关联规则的概念 | 第17-19页 |
| 2.2.2 Apriori算法的介绍 | 第19-20页 |
| 2.2.3 Apriori算法的改进 | 第20-22页 |
| 2.3 基于改进的APRIORI算法对风电机组故障数据的挖掘及分析 | 第22-26页 |
| 2.3.1 桨距不对称故障的分析 | 第22-24页 |
| 2.3.2 改进的Apriori关联规则挖掘过程及所得规则 | 第24-25页 |
| 2.3.3 规则的分析 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基于RELIEFF特征选择算法对风机参数的选择 | 第28-36页 |
| 3.1 引言 | 第28-29页 |
| 3.2 特征选择的基本概念 | 第29-31页 |
| 3.3 基于RELIEFF与相关度分析的特征选择算法 | 第31-33页 |
| 3.3.1 ReliefF特征选择 | 第31-32页 |
| 3.3.2 相关性分析 | 第32-33页 |
| 3.4 实验结果及分析 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第4章 基于分类算法的风机故障分类研究 | 第36-45页 |
| 4.1 引言 | 第36页 |
| 4.2 分类方法的概述 | 第36-37页 |
| 4.3 分类模型的建立 | 第37-41页 |
| 4.3.1 BP神经网络分类器 | 第37-39页 |
| 4.3.2 支持向量机分类器 | 第39-41页 |
| 4.4 实验结果及分析 | 第41-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 结论 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第51-52页 |
| 致谢 | 第52页 |
