| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题背景及研究意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 风电机组故障诊断技术研究现状 | 第14-15页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15页 |
| 1.3 信息融合技术研究现状 | 第15-19页 |
| 1.3.1 国外研究现状 | 第15-16页 |
| 1.3.2 国内研究现状 | 第16-17页 |
| 1.3.3 多源信息融合故障诊断研究现状 | 第17-19页 |
| 1.4 本文主要研究内容与章节安排 | 第19-22页 |
| 1.4.1 论文的主要研究内容 | 第19-20页 |
| 1.4.2 章节安排 | 第20-22页 |
| 第二章 风机齿轮箱及其典型故障特征分析 | 第22-32页 |
| 2.1 引言 | 第22-23页 |
| 2.2 齿轮箱及其典型结构 | 第23-24页 |
| 2.3 齿轮的振动机理及主要故障类型 | 第24-27页 |
| 2.3.1 齿轮的振动机理 | 第24页 |
| 2.3.2 齿轮的主要故障类型 | 第24-27页 |
| 2.4 滚动轴承的振动机理及主要故障类型 | 第27-30页 |
| 2.4.1 轴承的结构组成 | 第27页 |
| 2.4.2 轴承的振动机理 | 第27-29页 |
| 2.4.3 轴承的主要失效形式和成因 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于改进小波阈值和CEEMDAN的齿轮箱故障特征提取 | 第32-48页 |
| 3.1 引言 | 第32-33页 |
| 3.2 改进的小波阈值去噪方法 | 第33-40页 |
| 3.2.1 小波阈值去噪 | 第33页 |
| 3.2.2 改进的阈值函数选取方法 | 第33-34页 |
| 3.2.3 阈值的选取 | 第34-36页 |
| 3.2.4 小波基和分解层数选择 | 第36页 |
| 3.2.5 仿真分析 | 第36-40页 |
| 3.3 多域熵故障特征提取 | 第40-43页 |
| 3.3.1 CEEMDAN理论 | 第40-41页 |
| 3.3.2 奇异谱熵 | 第41页 |
| 3.3.3 功率谱熵 | 第41-42页 |
| 3.3.4 小波能谱熵 | 第42-43页 |
| 3.3.5 多域熵故障特征提取方法 | 第43页 |
| 3.4 在风机齿轮箱故障特征提取中的应用 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于加权DSmT的风机齿轮箱故障诊断方法 | 第48-66页 |
| 4.1 引言 | 第48页 |
| 4.2 DST理论 | 第48-49页 |
| 4.3 DSmT理论 | 第49-54页 |
| 4.3.1 广义信度赋值 | 第49-50页 |
| 4.3.2 决策规则 | 第50页 |
| 4.3.3 组合规则 | 第50-52页 |
| 4.3.4 算例分析 | 第52-54页 |
| 4.4 DSmT信息融合能力研究 | 第54-55页 |
| 4.5 基于加权DSmT的风机齿轮箱故障诊断 | 第55-60页 |
| 4.5.1 BP神经网络 | 第55-56页 |
| 4.5.2 闵科夫斯基距离 | 第56页 |
| 4.5.3 基于闵科夫斯基距离的证据相似性度量方法 | 第56-58页 |
| 4.5.4 加权DSmT融合方法 | 第58-59页 |
| 4.5.5 诊断模型 | 第59-60页 |
| 4.6 在风机齿轮箱故障诊断上的应用 | 第60-65页 |
| 4.6.1 实验设计 | 第60-61页 |
| 4.6.2 获取BPA | 第61页 |
| 4.6.3 加权DSmT决策融合 | 第61-65页 |
| 4.7 本章小结 | 第65-66页 |
| 第五章 基于自适应DST/DSmT的风电机组齿轮箱故障程度评估 | 第66-82页 |
| 5.1 引言 | 第66页 |
| 5.2 DST/DSmT自适应融合方法 | 第66-67页 |
| 5.3 改进的DST/DSmT自适应融合方法 | 第67-72页 |
| 5.3.1 组合规则 | 第67-69页 |
| 5.3.2 比例冲突分配规则 | 第69-70页 |
| 5.3.3 算法实现 | 第70页 |
| 5.3.4 算例分析 | 第70-72页 |
| 5.4 评估模型 | 第72-73页 |
| 5.4.1 状态划分 | 第72页 |
| 5.4.2 评估模型 | 第72-73页 |
| 5.5 在风机齿轮箱故障程度评估上的应用 | 第73-80页 |
| 5.5.1 实验设计 | 第73-74页 |
| 5.5.2 数据预处理与故障特征提取 | 第74页 |
| 5.5.3 基于自适应DST/PCR5的故障程度评估 | 第74-80页 |
| 5.6 本章小结 | 第80-82页 |
| 第六章 总结和展望 | 第82-84页 |
| 6.1 主要工作与创新点 | 第82页 |
| 6.2 后续研究工作 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90-92页 |
| 攻读硕士学位期间取得的研究成果 | 第92页 |
