| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景及意义 | 第9页 |
| 1.2 风力发电的发展现状 | 第9-12页 |
| 1.2.1 世界风能发展现状 | 第9-11页 |
| 1.2.2 我国风能发展现状 | 第11-12页 |
| 1.3 风力发电机组的故障诊断技术的研究现状 | 第12-14页 |
| 1.3.1 故障诊断的基本概念 | 第12页 |
| 1.3.2 旋转机械故障诊断技术的研究现状 | 第12-14页 |
| 1.4 本文结构以及研究内容 | 第14-16页 |
| 第2章 风力发电机组基本组成结构及常见故障概述 | 第16-25页 |
| 2.1 风电机组的基本组成 | 第16-18页 |
| 2.2 风电机组传动系统的典型故障 | 第18-22页 |
| 2.2.1 齿轮箱故障 | 第18-22页 |
| 2.2.2 低速轴故障和高速轴故障 | 第22页 |
| 2.3 风电机组其他系统的常见故障 | 第22-24页 |
| 2.3.1 叶片 | 第22页 |
| 2.3.2 变桨距系统 | 第22-23页 |
| 2.3.3 发电机 | 第23页 |
| 2.3.4 偏航系统 | 第23页 |
| 2.3.5 控制系统和塔架 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于局域均值分解的故障特征提取算法 | 第25-35页 |
| 3.1 与局域均值分解有关的概念 | 第25-28页 |
| 3.1.1 单分量信号和多分量信号 | 第25-26页 |
| 3.1.2 调幅信号和调频信号 | 第26-28页 |
| 3.2 经验模态分解的基本原理与算法 | 第28-29页 |
| 3.2.1 EMD算法基本原理和分解过程 | 第28-29页 |
| 3.3 局域均值分解的基本原理和算法 | 第29-31页 |
| 3.3.1 平滑处理方法 | 第29-30页 |
| 3.3.2 局域均值分解过程 | 第30-31页 |
| 3.4 局域均值分解法和经验模态分解法的比较 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于LMD和包络谱分析法的振动信号故障特性分析 | 第35-44页 |
| 4.1 包络谱分析和频谱分析概述 | 第35-36页 |
| 4.1.1 包络谱分析原理 | 第35页 |
| 4.1.2 频谱分析 | 第35-36页 |
| 4.2 轴承的故障特征诊断研究 | 第36-41页 |
| 4.2.1 实验数据分析 | 第36-39页 |
| 4.2.2 现场数据分析 | 第39-41页 |
| 4.3 齿轮故障诊断研究 | 第41-43页 |
| 4.3.1 实验数据分析 | 第41-42页 |
| 4.3.2 风电场齿轮振动信号分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于LMD与模糊c均值聚类的风力发电机组传动系统故障诊断 | 第44-50页 |
| 5.1 模糊聚类概述 | 第44-45页 |
| 5.2 模糊c均值聚类算法 | 第45页 |
| 5.3 基于LMD和模糊c均值聚类的故障诊断 | 第45-49页 |
| 5.3.1 LMD分解法提取故障特征向量 | 第45-47页 |
| 5.3.2 基于FCM算法的故障聚类识别 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文情况及其他成果 | 第54-55页 |
| 致谢 | 第55页 |