| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题背景 | 第9-11页 |
| ·课题研究现状及发展趋势 | 第11-15页 |
| ·齿轮箱监测技术研究现状及发展趋势 | 第12-14页 |
| ·故障诊断技术研究现状及发展趋势 | 第14-15页 |
| ·本课题的主要研究内容 | 第15-17页 |
| 第二章 齿轮箱的基本结构及故障特点 | 第17-24页 |
| ·风力发电机组齿轮箱的基本结构 | 第17-20页 |
| ·风力发电机组的基本结构 | 第17-18页 |
| ·齿轮箱的结构 | 第18-20页 |
| ·齿轮箱的主要故障及其特点 | 第20-23页 |
| ·齿轮常见故障 | 第21-22页 |
| ·轴承常见故障 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 风电机组齿轮箱的故障特征提取 | 第24-41页 |
| ·振动信号的分析处理方法 | 第24-29页 |
| ·时域分析 | 第24-26页 |
| ·频域分析 | 第26-29页 |
| ·时频分析方法 | 第29-34页 |
| ·小波分析 | 第30-33页 |
| ·小波包分解 | 第33-34页 |
| ·基于小波包频带能量分析法的故障特征提取 | 第34-40页 |
| ·小波包特征提取理论 | 第34-37页 |
| ·基于小波包能量谱的风机齿轮箱故障特征提取 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 粒子群优化 BP 神经网络理论的齿轮箱故障诊断 | 第41-58页 |
| ·人工神经网络 | 第41-45页 |
| ·粒子群优化算法 | 第45-51页 |
| ·基本粒子群优化算法 | 第46-48页 |
| ·标准粒子群优化算法 | 第48-51页 |
| ·粒子群优化人工神经网络 | 第51-57页 |
| ·基于粒子群优化人工神经网络算法的故障诊断技术 | 第54-56页 |
| ·粒子群优化人工神经网络算法在故障诊断中的应用 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 风电机组齿轮箱状态监测系统设计 | 第58-64页 |
| ·系统总体设计 | 第59-60页 |
| ·设计标准 | 第59页 |
| ·系统的工作原理 | 第59-60页 |
| ·测点及传感器的选择 | 第60-61页 |
| ·软件系统设计 | 第61-62页 |
| ·监测系统的实现 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 结论 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 在学研究成果 | 第68-69页 |
| 致谢 | 第69页 |