| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题的背景及研究意义 | 第9-12页 |
| 1.2 齿轮箱故障诊断技术 | 第12页 |
| 1.3 课题研究现状 | 第12-17页 |
| 1.4 课题的研究内容 | 第17-19页 |
| 第2章 风机各部件的振动分析及故障类型 | 第19-26页 |
| 2.1 风力发电机组的工作原理及其结构 | 第19-20页 |
| 2.2 机械振动原理 | 第20-21页 |
| 2.3 风力发电机组常见故障及信号特征 | 第21-25页 |
| 2.4 小结 | 第25-26页 |
| 第3章 风电机组振动信号特征 | 第26-33页 |
| 3.1 齿轮箱故障诊断常用的时频分析方法 | 第26-28页 |
| 3.2 小波分析提取齿轮箱故障特征 | 第28-30页 |
| 3.3 小波包分析提取齿轮箱故障特征 | 第30-32页 |
| 3.4 小结 | 第32-33页 |
| 第4章 支持向量机齿轮箱故障诊断方法 | 第33-41页 |
| 4.1 支持向量机基本理论 | 第33-36页 |
| 4.2 支持向量机的核函数 | 第36页 |
| 4.3 齿轮箱故障诊断惩罚函数C及核函数的选择 | 第36-40页 |
| 4.4 小结 | 第40-41页 |
| 第5章 基于投票理论和支持向量机的齿轮箱多故障分类器设计 | 第41-53页 |
| 5.1 支持向量机齿轮箱多类故障分类器构建 | 第41-45页 |
| 5.2 基于投票理论的支持向量机决策树齿轮箱故障多分类 | 第45-49页 |
| 5.3 基于SVM的多分类算法对齿轮箱能量特征向量的识别 | 第49-51页 |
| 5.4 小结 | 第51-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
