| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·选题背景及意义 | 第10-11页 |
| ·风电机组故障检测技术国内外研究现状 | 第11-12页 |
| ·国外研究现状 | 第11页 |
| ·国内研究现状 | 第11-12页 |
| ·本课题的主要研究内容 | 第12-13页 |
| 第二章 风电机组的基本结构和常见故障 | 第13-18页 |
| ·风力发电机组的基本结构 | 第13-14页 |
| ·风电机组常见故障 | 第14-17页 |
| ·叶片常见故障 | 第14-15页 |
| ·齿轮箱常见故障 | 第15-17页 |
| ·发电机常见故障 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第三章 机器学习理论与支持向量机理论 | 第18-28页 |
| ·机器学习理论 | 第18-20页 |
| ·概述 | 第18页 |
| ·风险最小化理论 | 第18-20页 |
| ·支持向量机 | 第20-27页 |
| ·支持向量机基本原理 | 第20-21页 |
| ·支持向量机分类 | 第21-23页 |
| ·支持向量机回归 | 第23-25页 |
| ·最小二乘向量机 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 早期故障预测与统计过程控制技术 | 第28-33页 |
| ·早期故障预警 | 第28-29页 |
| ·维修 | 第28页 |
| ·早期故障预测 | 第28-29页 |
| ·统计过程控制技术 | 第29-32页 |
| ·产品质量的统计概念 | 第29-30页 |
| ·统计过程控制的基本原理 | 第30-31页 |
| ·自相关过程的统计过程控制 | 第31-32页 |
| ·判异法则 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第五章 基于最小二乘向量机和统计过程控制的风电机组早期故障预测 | 第33-40页 |
| ·概述 | 第33页 |
| ·基于改进统计过程技术的风轮故障预测 | 第33-36页 |
| ·风电机组功率特性曲线 | 第33-34页 |
| ·改进的统计过程控制图 | 第34-35页 |
| ·判异法则 | 第35-36页 |
| ·基于LSSVM 和SPC 的齿轮箱故障预测 | 第36-38页 |
| ·风电机组齿轮箱故障分析 | 第36页 |
| ·基于LSSVM 的齿轮箱故障预测模型 | 第36-37页 |
| ·SPC 控制限的求取 | 第37-38页 |
| ·基于LSSVM 和SPC 的风力发电机故障预测 | 第38-39页 |
| ·风力发电机温升过高分析 | 第38页 |
| ·基于LSSVM 的发电机温度故障预测模型 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第六章 故障预测在某风场的应用 | 第40-57页 |
| ·风电机组风轮故障预测 | 第40-43页 |
| ·基于改进的统计过程控制技术的风轮故障预测流程 | 第40-41页 |
| ·实例分析 | 第41-43页 |
| ·风电机组齿轮箱温度故障预测 | 第43-49页 |
| ·基于LSSVM 和SPC 的齿轮箱温度故障预测流程 | 第43-44页 |
| ·实例分析 | 第44-49页 |
| ·风电机组发电机温度故障预测 | 第49-56页 |
| ·基于LSSVM 和SPC 的发电机温度故障预测流程 | 第49页 |
| ·实例分析 | 第49-56页 |
| ·本章小结 | 第56-57页 |
| 第七章 结论与展望 | 第57-59页 |
| ·结论 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位论文期间发表文章 | 第62-63页 |
| 攻读硕士学位期间参加的科研工作 | 第63-64页 |
| 致谢 | 第64-65页 |
| 详细摘要 | 第65-72页 |
