双馈型风电机组传动链状态监测与状态评估研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 引言 | 第9页 |
| 1.2 风电发展现状 | 第9-11页 |
| 1.3 风电机组状态监测系统 | 第11-13页 |
| 1.4 国内外研究现状 | 第13-15页 |
| 1.4.1 国外研究现状 | 第14页 |
| 1.4.2 国内研究现状 | 第14-15页 |
| 1.5 本文研究内容 | 第15-17页 |
| 2 双馈型风电机组传动链故障分析 | 第17-27页 |
| 2.1 风力发电机组类型及结构 | 第17页 |
| 2.2 双馈型风电机组传动链 | 第17-18页 |
| 2.3 双馈型风电机组传动链典型故障 | 第18-23页 |
| 2.3.1 齿轮箱故障 | 第18-22页 |
| 2.3.2 轴承故障 | 第22-23页 |
| 2.4 风电机组传动链状态监测与故障识别方法 | 第23-25页 |
| 2.4.1 时域处理方法 | 第23-24页 |
| 2.4.2 频域处理方法 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 传动链振动信号分析方法 | 第27-39页 |
| 3.1 小波理论 | 第27-29页 |
| 3.2 希尔伯特包络理论 | 第29-30页 |
| 3.3 滚动轴承谐波信号的Hilbert变换 | 第30-32页 |
| 3.4 滚动轴承振动信号分析 | 第32-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于BP神经网络的故障识别方法 | 第39-51页 |
| 4.1 BP神经网络简介 | 第39-40页 |
| 4.2 人工神经网络的特点 | 第40-42页 |
| 4.3 基于BP算法的神经网络模型 | 第42-43页 |
| 4.4 BP神经网络故障识别 | 第43-49页 |
| 4.5 本章小结 | 第49-51页 |
| 5 结论与展望 | 第51-53页 |
| 5.1 工作总结 | 第51页 |
| 5.2 研究展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-58页 |
