风力发电机状态监测与故障诊断系统的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景及意义 | 第10-12页 |
| 1.2 国内外风电发展现状 | 第12-15页 |
| 1.2.1 国外风力发电发展现状 | 第12页 |
| 1.2.2 国内风力发电的发展现状 | 第12-15页 |
| 1.3 风力发电技术的发展趋势 | 第15-16页 |
| 1.4 课题的研究意义及内容 | 第16-18页 |
| 第2章 风机工作机理及故障分析 | 第18-22页 |
| 2.1 风机工作原理及简介 | 第18-19页 |
| 2.2 风机故障统计与分析 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 第3章 故障诊断原理与优化算法 | 第22-34页 |
| 3.1 故障诊断方法分类 | 第22-25页 |
| 3.2 BP神经网络模型简介 | 第25-28页 |
| 3.3 果蝇算法简介 | 第28-32页 |
| 3.3.1 算法简介 | 第28-29页 |
| 3.3.2 数值实验与分析 | 第29-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 果蝇算法与BP神经网络融合算法 | 第34-40页 |
| 4.1 极值扰动 | 第34页 |
| 4.2 自适应变异概率 | 第34-35页 |
| 4.3 FOA-BP混合算法Ⅰ | 第35-36页 |
| 4.4 FOA-BP混合算法Ⅱ | 第36-38页 |
| 4.5 本章小结 | 第38-40页 |
| 第5章 基于小波分析的齿轮箱振动信号的特征提取 | 第40-58页 |
| 5.1 数据预处理 | 第40-44页 |
| 5.1.1 消除多项式趋势项 | 第41-43页 |
| 5.1.2 数据的平滑处理 | 第43-44页 |
| 5.2 小波理论 | 第44-51页 |
| 5.2.1 小波变换 | 第45-46页 |
| 5.2.2 Mallat算法 | 第46-47页 |
| 5.2.3 小波包分析 | 第47-48页 |
| 5.2.4 小波降噪 | 第48-51页 |
| 5.3 振动信号特征向量提取 | 第51-56页 |
| 5.3.1 特征量提取概述 | 第51-52页 |
| 5.3.2 故障特征量提取的实现 | 第52-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第6章 风机齿轮箱故障诊断仿真 | 第58-66页 |
| 6.1 BP网络参数设置 | 第58-59页 |
| 6.2 果蝇算法参数设置 | 第59页 |
| 6.3 网络训练与测试 | 第59-63页 |
| 6.4 结果分析与评价 | 第63-64页 |
| 6.5 本章小结 | 第64-66页 |
| 第7章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文 | 第72-74页 |
| 致谢 | 第74页 |
