| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 风电机组故障检测技术及其研究现状 | 第14-18页 |
| 1.2.1 风电机组故障检测技术 | 第14-16页 |
| 1.2.2 国外风电机组故障检测技术研究现状 | 第16-17页 |
| 1.2.3 国内风电机组故障检测技术研究现状 | 第17-18页 |
| 1.2.4 风电机组故障检测存在的问题 | 第18页 |
| 1.3 论文主要内容 | 第18-20页 |
| 第二章 风力发电机齿轮箱基本结构及故障分析 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 风力发电机的基本结构 | 第20-21页 |
| 2.3 风力发电机齿轮箱的基本结构 | 第21-22页 |
| 2.4 风力发电机齿轮箱常见故障 | 第22-24页 |
| 2.4.1 齿轮故障 | 第23页 |
| 2.4.2 轴承故障 | 第23-24页 |
| 2.5 风力发电机齿轮箱故障振动信号频率特性 | 第24-26页 |
| 2.5.1 齿轮故障频率特性计算 | 第24-25页 |
| 2.5.2 轴承故障频率特性计算 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第三章 基于盲源分离方法的风机齿轮箱的故障特征提取 | 第28-48页 |
| 3.1 引言 | 第28页 |
| 3.2 盲源分离的基本理论 | 第28-30页 |
| 3.2.1 盲源分离的概念 | 第28-29页 |
| 3.2.2 盲源分离的模型 | 第29-30页 |
| 3.3 基本的非负矩阵分解 | 第30-33页 |
| 3.3.1 非负矩阵分解算法原理 | 第31-32页 |
| 3.3.2 几种基本的非负矩阵分解算法 | 第32-33页 |
| 3.4 非负矩阵分解法的改进 | 第33-40页 |
| 3.4.1 改进的非负矩阵分解法 | 第33-36页 |
| 3.4.2 仿真验证 | 第36-40页 |
| 3.5 在风机齿轮箱故障特征提取的应用 | 第40-45页 |
| 3.5.1 工况下轴承正常运行的振动信号分离 | 第41-42页 |
| 3.5.2 工况下轴承外圈故障的振动信号分离 | 第42页 |
| 3.5.3 工况下轴承内圈故障的振动信号分离 | 第42-45页 |
| 3.6 本章小结 | 第45-48页 |
| 第四章 基于主元分析构建决策树的齿轮的故障识别方法 | 第48-68页 |
| 4.1 引言 | 第48页 |
| 4.2 决策树算法 | 第48-53页 |
| 4.2.1 决策树ID3算法 | 第49-50页 |
| 4.2.2 WSID3算法的构建 | 第50-51页 |
| 4.2.3 算法性能验证 | 第51-53页 |
| 4.3 PCA-WSID3模型 | 第53-56页 |
| 4.3.1 PCA的基本原理 | 第53-55页 |
| 4.3.2 PCA-WSID3模型 | 第55-56页 |
| 4.4 PCA-WSID3在齿轮故障识别中的应用 | 第56-64页 |
| 4.4.1 特征参数的提取 | 第56-57页 |
| 4.4.2 实验应用 | 第57-64页 |
| 4.5 PCA-WSID3模型在实际风机齿轮故障识别中的应用 | 第64-66页 |
| 4.6 本章小结 | 第66-68页 |
| 第五章 基于核极限学习机的轴承的故障识别方法 | 第68-86页 |
| 5.1 引言 | 第68页 |
| 5.2 极限学习机的原理 | 第68-71页 |
| 5.3 核极限学习机的构建 | 第71-72页 |
| 5.4 多尺度小波核极限学习机 | 第72-76页 |
| 5.4.1 多尺度小波核极限学习机 | 第72-73页 |
| 5.4.2 算法性能验证 | 第73-76页 |
| 5.5 PSO-MKELM模型 | 第76-78页 |
| 5.5.1 PSO的基本原理 | 第76-77页 |
| 5.5.2 PSO-MKELM模型 | 第77-78页 |
| 5.6 PSO-MKELM在轴承故障识别中的应用 | 第78-83页 |
| 5.6.1 特征参数的提取 | 第78-79页 |
| 5.6.2 实验应用 | 第79-83页 |
| 5.7 PSO-MKELM模型在实际风机轴承故障识别中的应用 | 第83-85页 |
| 5.8 本章小结 | 第85-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 6.1 总结 | 第86页 |
| 6.2 展望 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 致谢 | 第94-96页 |
| 攻读硕士学位期间取得的研究成果 | 第96页 |
