| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国内外齿轮箱故障诊断技术研究现状 | 第9-11页 |
| 1.2.2 国内外VR技术研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文章节安排 | 第13-16页 |
| 2 风力发电机齿轮箱故障诊断方法研究 | 第16-30页 |
| 2.1 优化的KNN算法在风力发电机齿轮箱故障诊断中的应用 | 第16-23页 |
| 2.1.1 K-最近邻算法理论 | 第16-18页 |
| 2.1.2 优化的KNN算法 | 第18-19页 |
| 2.1.3 齿轮箱故障的特征量提取 | 第19-21页 |
| 2.1.4 基于优化KNN的齿轮箱故障识别 | 第21-23页 |
| 2.2 纵横交叉算法优化BP神经网络在齿轮箱故障诊断中的应用 | 第23-28页 |
| 2.2.1 BP神经网络 | 第23-24页 |
| 2.2.2 BP神经网络诊断模型 | 第24-25页 |
| 2.2.3 纵横交叉算法优化BP神经网络 | 第25-26页 |
| 2.2.4 风力发电机齿轮箱故障诊断仿真 | 第26-28页 |
| 2.3 本章小结 | 第28-30页 |
| 3 虚拟风电场可视化仿真系统的架构设计 | 第30-36页 |
| 3.1 系统的架构设计 | 第30-31页 |
| 3.1.1 需求分析 | 第30页 |
| 3.1.2 系统的体系结构设计 | 第30-31页 |
| 3.2 系统的软件设计 | 第31-34页 |
| 3.2.1 三维建模工具 | 第31-33页 |
| 3.2.2 虚拟现实平台 | 第33-34页 |
| 3.3 系统技术路线 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 虚拟风电场三维场景构建 | 第36-46页 |
| 4.1 场景创建技术流程 | 第36页 |
| 4.2 虚拟风电场可视化仿真系统关键技术 | 第36-40页 |
| 4.2.1 几何与图像相结合的建模技术 | 第36-37页 |
| 4.2.2 LOD细节层次处理技术 | 第37-39页 |
| 4.2.3 模型分割 | 第39页 |
| 4.2.4 模型优化 | 第39-40页 |
| 4.3 三维模型的创建 | 第40-42页 |
| 4.4 虚拟风电场可视化 | 第42-44页 |
| 4.5 本章小结 | 第44-46页 |
| 5 风电机组可视化仿真系统的实现 | 第46-56页 |
| 5.1 系统GUI设计 | 第46页 |
| 5.2 系统功能设计 | 第46-49页 |
| 5.3 模拟风力发电机运转 | 第49-50页 |
| 5.4 风力发电场场景漫游实现 | 第50-53页 |
| 5.4.1 第一人称漫游 | 第51-52页 |
| 5.4.2 第三人称漫游 | 第52-53页 |
| 5.5 系统的发布 | 第53-54页 |
| 5.6 本章小结 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 本文工作总结 | 第56页 |
| 6.2 未来工作展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-62页 |