| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题意义与背景 | 第9页 |
| 1.2 风力发电机组监测与故障诊断发展现状 | 第9-12页 |
| 1.2.1 风电场 SCADA 系统介绍 | 第9-10页 |
| 1.2.2 风力发电机组振动状态监测与故障诊断国内外研究现状 | 第10-12页 |
| 1.2.3 风力发电机组振动状态监测与故障诊断目前存在的一些问题 | 第12页 |
| 1.3 本文研究的内容 | 第12-14页 |
| 第2章 风力发电机组传动系统故障特征频率计算 | 第14-21页 |
| 2.1 风力发电机组传动系统的结构 | 第14-15页 |
| 2.2 风力发电机组传动系统故障统计 | 第15-17页 |
| 2.3 传动系统的故障特征频率计算 | 第17-20页 |
| 2.3.1 风力发电机组齿轮箱故障特征频率计算 | 第17-19页 |
| 2.3.2 滚动轴承的故障特征频率计算 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 风力发电机组传动系统振动信号处理分析 | 第21-30页 |
| 3.1 振动信号降噪分析 | 第21-22页 |
| 3.2 振动信号时域指标分析 | 第22-24页 |
| 3.2.1 信号的有量纲指标 | 第23页 |
| 3.2.2 信号的无量纲指标 | 第23-24页 |
| 3.3 振动信号的频域分析 | 第24-29页 |
| 3.3.1 离散傅里叶变换 | 第24-27页 |
| 3.3.2 信号的解调分析 | 第27-29页 |
| 3.3.3 边频带分析 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 风力发电机组振动状态监测与智能诊断专家系统的结构 | 第30-44页 |
| 4.1 智能诊断专家系统的介绍 | 第30-31页 |
| 4.2 风力发电机组智能诊断专家系统知识库的构建 | 第31-37页 |
| 4.2.1 传动系统结构知识 | 第31页 |
| 4.2.2 监测特征值的确定 | 第31-33页 |
| 4.2.3 故障诊断特征值的确定 | 第33-37页 |
| 4.3 风力发电机组智能诊断专家系统推理机的构建 | 第37-39页 |
| 4.3.1 推理方法、方向的介绍 | 第37-38页 |
| 4.3.2 基于正向、精确推理的监测预警 | 第38页 |
| 4.3.3 基于正向推理的 BP 神经网络的故障诊断推理 | 第38-39页 |
| 4.4 基于神经网络的推理机的故障样本训练 | 第39-41页 |
| 4.5 基于 BP 神经网络的故障诊断仿真 | 第41-42页 |
| 4.6 本章小结 | 第42-44页 |
| 第5章 风力发电机组振动状态监测与故障诊断系统设计 | 第44-53页 |
| 5.1 基于 LabVIEW 的测试系统的构成介绍 | 第44页 |
| 5.2 振动状态监测与故障诊断系统硬件选择 | 第44-48页 |
| 5.2.1 监测点的选取 | 第44-45页 |
| 5.2.2 传感器选择及安装方式 | 第45-47页 |
| 5.2.3 调理单元及信号检测单元 | 第47-48页 |
| 5.3 风力发电机组振动监测与故障诊断系统界面的设计 | 第48-52页 |
| 5.3.1 信号处理模块 | 第48-50页 |
| 5.3.2 故障预警和诊断模块 | 第50-51页 |
| 5.3.3 数据管理模块 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |
