风电机组状态监测系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 振动监测系统研究现状 | 第12-13页 |
| 1.2.2 风电机组故障诊断研究现状 | 第13-14页 |
| 1.3 论文研究内容以及工作安排 | 第14-16页 |
| 第二章 系统整体方案设计 | 第16-25页 |
| 2.1 系统技术概况 | 第16-21页 |
| 2.1.1 振动传感器 | 第16-18页 |
| 2.1.2 ARM与FPGA | 第18-19页 |
| 2.1.3 故障模式识别和诊断 | 第19-20页 |
| 2.1.4 卷积神经网络 | 第20-21页 |
| 2.2 系统主要指标 | 第21-22页 |
| 2.3 监测系统整体框架 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 系统硬件电路设计 | 第25-34页 |
| 3.1 振动信号采集电路设计 | 第25-29页 |
| 3.2 键相信号采集电路设计 | 第29-32页 |
| 3.3 过程参数信号采集电路设计 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 FPGA数字逻辑和数据通信 | 第34-50页 |
| 4.1 芯片选型方案 | 第34-37页 |
| 4.1.1 嵌入式平台选择 | 第34-36页 |
| 4.1.2 FPGA芯片选择 | 第36-37页 |
| 4.1.3 数模转换芯片 | 第37页 |
| 4.2 FPGA功能模块设计 | 第37-47页 |
| 4.2.1 数字锁相环模块 | 第38-43页 |
| 4.2.2 数模转换模块 | 第43-47页 |
| 4.3 ARM与FPGA的数据通信 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于CNN模型的振动故障诊断 | 第50-68页 |
| 5.1 下位机系统 | 第50-51页 |
| 5.2 振动信号的特征提取 | 第51-60页 |
| 5.2.1 风电传动系统模拟试验台 | 第51-54页 |
| 5.2.2 WV分布算法 | 第54-55页 |
| 5.2.3 振动信号的特征提取 | 第55-60页 |
| 5.3 CNN故障识别 | 第60-66页 |
| 5.3.1 CNN结构模型 | 第60-63页 |
| 5.3.2 CNN算法 | 第63-65页 |
| 5.3.3 故障识别 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士期间学术成果 | 第73页 |
