风力发电机组故障诊断算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状简介 | 第10-11页 |
| 1.2.2 国内研究现状简介 | 第11-12页 |
| 1.2.3 国内外研究现状总结 | 第12-13页 |
| 1.3 研究内容与创新点 | 第13-14页 |
| 1.3.1 论文研究的内容 | 第13-14页 |
| 1.3.2 论文创新点 | 第14页 |
| 1.4 组织结构 | 第14-15页 |
| 第2章 风力发电机组故障诊断理论基础 | 第15-37页 |
| 2.1 风力发电机的组成 | 第15-17页 |
| 2.2 风力发电机组故障研究 | 第17-23页 |
| 2.2.1 发电机故障及特征 | 第17-20页 |
| 2.2.2 传动系统故障及特征 | 第20-22页 |
| 2.2.3 风轮系统故障及特征 | 第22-23页 |
| 2.3 SCADA系统 | 第23-24页 |
| 2.3.1 SCADA系统的监测项目 | 第23-24页 |
| 2.3.2 SCADA监控性能分析 | 第24页 |
| 2.4 统计学习理论简介 | 第24-34页 |
| 2.4.1 统计学习理论 | 第24-26页 |
| 2.4.2 支持向量机 | 第26-29页 |
| 2.4.3 支持向量回归 | 第29-32页 |
| 2.4.4 核函数 | 第32-34页 |
| 2.5 支持向量回归的参数优化方法 | 第34-36页 |
| 2.5.1 单一验证误差 | 第34-35页 |
| 2.5.2 交叉验证误差 | 第35页 |
| 2.5.3 留一法误差 | 第35-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第3章 风力发电机组故障诊断系统的设计 | 第37-53页 |
| 3.1 系统总体设计 | 第37-40页 |
| 3.1.1 系统需求分析 | 第37-39页 |
| 3.1.2 系统整体框架设计 | 第39-40页 |
| 3.2 服务器系统模块介绍 | 第40-45页 |
| 3.2.1 Hadoop介绍 | 第40-41页 |
| 3.2.2 HBase介绍 | 第41-44页 |
| 3.2.3 ZooKeeper介绍 | 第44-45页 |
| 3.3 模型的建立流程设计 | 第45-51页 |
| 3.3.1 选取模型的输入与输出 | 第45-46页 |
| 3.3.2 选择建模方法 | 第46页 |
| 3.3.3 选取训练集输入参数的时间间隔 | 第46-48页 |
| 3.3.4 模型训练策略 | 第48-49页 |
| 3.3.5 模型的改进 | 第49-51页 |
| 3.4 模型的测试流程设计 | 第51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 风力发电机组故障诊断系统的实现 | 第53-55页 |
| 4.1 支持向量回归参数的选择 | 第53-54页 |
| 4.2 训练模型 | 第54页 |
| 4.3 本章小结 | 第54-55页 |
| 第5章 系统测试与模型评估 | 第55-60页 |
| 5.1 测试准备 | 第55页 |
| 5.2 测试结果及分析 | 第55-58页 |
| 5.3 本章小结 | 第58-60页 |
| 第6章 总结与展望 | 第60-63页 |
| 6.1 论文的意义 | 第60页 |
| 6.2 论文的主要工作 | 第60-61页 |
| 6.3 论文的创新点 | 第61页 |
| 6.4 论文的不足之处 | 第61页 |
| 6.5 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-97页 |
| 附录1 支持向量回归模型代码 | 第67-97页 |
| 致谢 | 第97-98页 |
| 攻读学位期间发表学术论文目录 | 第98页 |
