| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 背景与意义 | 第9-13页 |
| 1.1.1 国内外风力发电行业的发展情况 | 第9-11页 |
| 1.1.2 风电信息化和智能化运维的发展及意义 | 第11-13页 |
| 1.2 故障检测研究现状 | 第13-14页 |
| 1.3 本课题的主要研究内容 | 第14-17页 |
| 第2章 风电机组相关数据 | 第17-25页 |
| 2.1 数据采集和数据ETL | 第17-19页 |
| 2.1.1 数据采集 | 第17-18页 |
| 2.1.2 数据ETL | 第18-19页 |
| 2.2 本课题所用数据描述与分析 | 第19-25页 |
| 第3章 基于RELIEFF特征选择算法的建模参数选择 | 第25-39页 |
| 3.1 特征选择概述 | 第25-26页 |
| 3.2 基于ReliefF的特征选择算法 | 第26-37页 |
| 3.2.1 特征初步筛选 | 第26-29页 |
| 3.2.2 ReliefF特征选择 | 第29-30页 |
| 3.2.3 相关性分析 | 第30-33页 |
| 3.2.4 实验结果分析 | 第33-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第4章 基于SOM自组织神经网络模型的故障预测研究 | 第39-47页 |
| 4.1 SOM自组织神经网络概述 | 第39-40页 |
| 4.2 SOM自组织神经网络方法 | 第40-45页 |
| 4.2.1 SOM自组织神经网络模型构建 | 第40-42页 |
| 4.2.2 实验结果分析 | 第42-45页 |
| 4.3 本章小结 | 第45-47页 |
| 第5章 基于支持向量机模型的故障预测研究 | 第47-53页 |
| 5.1 支持向量机算法概述 | 第47-49页 |
| 5.2 支持向量机方法 | 第49-52页 |
| 5.2.1 支持向量机模型构建 | 第49-51页 |
| 5.2.2 实验结果分析 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第6章 结论 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 附录A 攻读硕士期间发表的论文与科研成果清单 | 第57-59页 |
| 致谢 | 第59页 |