基于最小熵解卷积的风电机组故障诊断研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 概述 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 风电机组故障诊断技术研究现状 | 第11-15页 |
| 1.2.2 最小熵解卷积技术研究现状 | 第15-16页 |
| 1.3 论文主要研究内容 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16页 |
| 1.3.2 本文结构 | 第16-18页 |
| 第2章 风电机组基础及常见故障 | 第18-35页 |
| 2.1 引言 | 第18页 |
| 2.2 风电机组基础 | 第18-21页 |
| 2.2.1 风电机组的基本组成 | 第18-19页 |
| 2.2.2 风电机组发电机的基本工作原理及分类 | 第19-20页 |
| 2.2.3 风电机组发电机的结构组成 | 第20-21页 |
| 2.3 风电机组发电机的主要故障及原因 | 第21-23页 |
| 2.3.1 定子铁芯故障 | 第21-22页 |
| 2.3.2 定子绕组故障 | 第22页 |
| 2.3.3 转子本体故障 | 第22-23页 |
| 2.3.4 气隙偏心故障 | 第23页 |
| 2.4 滚动轴承振动机理与主要故障 | 第23-27页 |
| 2.4.1 振动机理 | 第24-26页 |
| 2.4.2 主要故障及其特征 | 第26-27页 |
| 2.5 信号实例介绍 | 第27-34页 |
| 2.5.1 仿真信号 | 第27-29页 |
| 2.5.2 宁东风电场风电机组信号 | 第29-31页 |
| 2.5.3 宝龙山风电场风电机组信号 | 第31-32页 |
| 2.5.4 齿轮试验信号 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 最小熵解卷积基础及应用 | 第35-60页 |
| 3.1 引言 | 第35页 |
| 3.2 最小熵解卷积基础 | 第35-40页 |
| 3.2.1 熵的提出及发展 | 第35-36页 |
| 3.2.2 熵在信号处理领域的应用 | 第36-37页 |
| 3.2.3 FIR滤波器 | 第37-38页 |
| 3.2.4 最小熵解卷积方法及其实现 | 第38-40页 |
| 3.3 最小熵解卷积应用 | 第40-49页 |
| 3.3.1 应用原理 | 第40-42页 |
| 3.3.2 仿真信号MED分析 | 第42-43页 |
| 3.3.3 宁东风电场风电机组信号分析 | 第43-45页 |
| 3.3.4 宝龙山风电场风电机组信号分析 | 第45-47页 |
| 3.3.5 齿轮试验信号 | 第47-49页 |
| 3.4 变转速信号对最小熵解卷积效果的影响研究 | 第49-53页 |
| 3.5 最小熵解卷积的性能影响因素研究 | 第53-59页 |
| 3.5.1 仿真信号性能影响因素分析 | 第54-55页 |
| 3.5.2 宁东风电场信号性能影响因素分析 | 第55-57页 |
| 3.5.3 齿轮试验信号性能影响因素分析 | 第57-59页 |
| 3.6 本章小结 | 第59-60页 |
| 第4章 基于MED的特征提取和神经网络分类 | 第60-78页 |
| 4.1 引言 | 第60页 |
| 4.2 特征值提取方法 | 第60-64页 |
| 4.2.1 振动信号时域特征值分析 | 第61-63页 |
| 4.2.2 振动信号频域分析 | 第63-64页 |
| 4.3 最小熵解卷积前后信号特征值比较 | 第64-70页 |
| 4.3.1 时域特征值比较 | 第64-66页 |
| 4.3.2 频域特征比较 | 第66-70页 |
| 4.4 SOM神经网络基础及应用 | 第70-74页 |
| 4.4.1 SOM神经网络基础 | 第70-72页 |
| 4.4.2 SOM神经网络应用 | 第72-74页 |
| 4.5 最小熵解卷积基础上的SOM神经网络分类 | 第74-77页 |
| 4.6 本章小结 | 第77-78页 |
| 第5章 结论与展望 | 第78-80页 |
| 5.1 结论 | 第78-79页 |
| 5.2 展望 | 第79-80页 |
| 参考文献 | 第80-87页 |
| 攻读硕士期间发表论文及其它成果 | 第87-88页 |
| 致谢 | 第88页 |
