| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题背景及研究意义 | 第7-8页 |
| 1.2 国内外研究现状分析 | 第8-11页 |
| 1.3 本文研究内容 | 第11-13页 |
| 2 风电机组轴承故障诊断研究 | 第13-23页 |
| 2.1 引言 | 第13页 |
| 2.2 风电机组基本构成 | 第13-14页 |
| 2.3 风电机组主轴承故障诊断 | 第14-22页 |
| 2.3.1 风电机组轴承故障的成因 | 第14页 |
| 2.3.2 风电机组轴承故障状态 | 第14-15页 |
| 2.3.3 轴承故障检测技术 | 第15页 |
| 2.3.4 轴承故障特征频率 | 第15-16页 |
| 2.3.5 轴承振动信号分析方法 | 第16-22页 |
| 2.4 小结 | 第22-23页 |
| 3 亚马逊Amazon Web Services云计算平台 | 第23-40页 |
| 3.1 引言 | 第23页 |
| 3.2 云计算类型 | 第23-24页 |
| 3.3 亚马逊AWS | 第24-27页 |
| 3.3.1 AWS产品和服务简介 | 第24-26页 |
| 3.3.2 AWS的使用 | 第26-27页 |
| 3.4 Amazon EC2 | 第27-30页 |
| 3.4.1 EC2基本架构 | 第28-29页 |
| 3.4.2 EC2区域分布 | 第29页 |
| 3.4.3 EC2通信机制 | 第29-30页 |
| 3.4.4 EC2元数据 | 第30页 |
| 3.5 Amazon S3 | 第30-31页 |
| 3.5.1 桶与对象 | 第30-31页 |
| 3.5.2 低备份存储 | 第31页 |
| 3.5.3 S3加密保护 | 第31页 |
| 3.6 Amazon EMR | 第31-36页 |
| 3.6.1 EMR特点 | 第32页 |
| 3.6.2 Hadoop和Spark对比介绍 | 第32-34页 |
| 3.6.3 MapReduce模型简介 | 第34-36页 |
| 3.7 Amazon Kinesis | 第36-37页 |
| 3.7.1 Amazon Kinesis的特点 | 第36页 |
| 3.7.2 Kinesis架构 | 第36-37页 |
| 3.8 基于AWS的案例介绍 | 第37-39页 |
| 3.8.1 捕获分析传感器数据案例 | 第38页 |
| 3.8.2 风电机组工况数据自动存储案例 | 第38-39页 |
| 3.9 小结 | 第39-40页 |
| 4 风电机组轴承故障诊断模型 | 第40-56页 |
| 4.1 引言 | 第40页 |
| 4.2 EMD | 第40-42页 |
| 4.3 EEMD | 第42-44页 |
| 4.4 峭度-相关系数准则 | 第44-45页 |
| 4.4.1 峭度准则 | 第44页 |
| 4.4.2 相关系数准则 | 第44-45页 |
| 4.5 特征提取 | 第45-47页 |
| 4.5.1 时域特征矩阵 | 第45页 |
| 4.5.2 奇异值 | 第45-46页 |
| 4.5.3 能量熵矩阵 | 第46-47页 |
| 4.6 EEMD峭度-相关系数准则和SVM的风电机组轴承诊断方法 | 第47-54页 |
| 4.6.1 EEMD峭度-相关系数准则和SVM的风电机组轴承诊断方法 | 第47页 |
| 4.6.2 实验室数据验证 | 第47-51页 |
| 4.6.3 实际风力发电机组轴承故障数据验证 | 第51-54页 |
| 4.7 小结 | 第54-56页 |
| 5 基于AWS的风电机组轴承故障诊断平台研究 | 第56-70页 |
| 5.1 引言 | 第56页 |
| 5.2 基于AWS的风电机组轴承故障诊断平台整体设计 | 第56-57页 |
| 5.3 数据采集 | 第57-58页 |
| 5.4 数据存储 | 第58页 |
| 5.5 数据分析 | 第58-62页 |
| 5.5.1 数据分析架构 | 第59页 |
| 5.5.2 数据预处理 | 第59-61页 |
| 5.5.3 数据特征值提取 | 第61页 |
| 5.5.4 并行算法 | 第61-62页 |
| 5.6 开发语言 | 第62-63页 |
| 5.7 实际风电机组轴承故障案例模拟分析 | 第63-68页 |
| 5.7.1 数据准备及软件配置 | 第63-64页 |
| 5.7.2 实时数据传输 | 第64-65页 |
| 5.7.3 读取数据 | 第65-66页 |
| 5.7.4 数据分析处理 | 第66-68页 |
| 5.8 小结 | 第68-70页 |
| 6 结论与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者在攻读硕士期间发表的论文 | 第76-77页 |
| 致谢 | 第77-79页 |
