基于LabVIEW的海上风力机叶片远程状态监测系统设计与开发
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 海上风力发电技术 | 第11-14页 |
| 1.2.1 海上风力发电技术的特点 | 第11-12页 |
| 1.2.2 国内外海上风力发电发展现状 | 第12-14页 |
| 1.3 风力发电机叶片状态监测技术国内外研究现状 | 第14-16页 |
| 1.3.1 国内研究水平 | 第14-15页 |
| 1.3.2 国外研究现状及水平 | 第15-16页 |
| 1.3.3 本领域的难点 | 第16页 |
| 1.4 本文研究内容及思路 | 第16-18页 |
| 1.4.1 主要研究内容 | 第16-17页 |
| 1.4.2 研究思路 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 风力机组叶片常见损伤类型及检测方法 | 第19-24页 |
| 2.1 风力机叶片基本结构 | 第19-20页 |
| 2.2 叶片常见的故障类型分析 | 第20-22页 |
| 2.3 风力机叶片故障检测方法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 海上风力机叶片远程监测系统设计与硬件选型 | 第24-33页 |
| 3.1 系统总体方案设计 | 第24-26页 |
| 3.1.1 软件系统功能设计 | 第24-25页 |
| 3.1.2 软件系统流程设计 | 第25页 |
| 3.1.3 系统总体结构设计 | 第25-26页 |
| 3.2 硬件系统总体结构设计 | 第26-32页 |
| 3.2.1 硬件系统总体布局 | 第26-27页 |
| 3.2.2 硬件系统各模块功能 | 第27页 |
| 3.2.3 硬件系统结构流程设计 | 第27-28页 |
| 3.2.4 主要硬件设备的选型 | 第28-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于BP神经网络的风力机叶片健康状态预测 | 第33-43页 |
| 4.1 BP神经网络预测 | 第33-38页 |
| 4.1.1 BP神经网络的设计 | 第33-36页 |
| 4.1.2 BP神经网络预测方法 | 第36-38页 |
| 4.2 应用实例分析 | 第38-42页 |
| 4.2.1 风力机叶片运行特征分析 | 第38-39页 |
| 4.2.2 BP神经网络预测模型建立 | 第39-41页 |
| 4.2.3 BP神经网络预测结果 | 第41-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 海上风力机叶片远程监测系统应用软件开发 | 第43-62页 |
| 5.1 系统开发平台的选择 | 第43-45页 |
| 5.1.1 虚拟仪器LabVIEW简介 | 第43-44页 |
| 5.1.2 Matlab Script节点简介 | 第44-45页 |
| 5.2 LabVIEW与数据库访问 | 第45-46页 |
| 5.3 系统各功能模块开发 | 第46-54页 |
| 5.3.1 用户登录界面 | 第46-47页 |
| 5.3.2 参数设置模块 | 第47页 |
| 5.3.3 数据采集模块 | 第47-48页 |
| 5.3.4 数据查询与储存模块 | 第48页 |
| 5.3.5 数据信号处理 | 第48-49页 |
| 5.3.6 数据通讯模块 | 第49-50页 |
| 5.3.7 故障报警模块 | 第50-51页 |
| 5.3.8 故障识别模块 | 第51-53页 |
| 5.3.9 叶片健康状态趋势预测模块 | 第53-54页 |
| 5.4 叶片剩余寿命评估 | 第54-55页 |
| 5.5 Web远程面板 | 第55-57页 |
| 5.6 系统界面设计 | 第57页 |
| 5.7 系统实验验证 | 第57-60页 |
| 5.7.1 实验目的 | 第57-58页 |
| 5.7.2 传感器的布置 | 第58页 |
| 5.7.3 实验系统组成 | 第58-59页 |
| 5.7.4 实验内容 | 第59-60页 |
| 5.8 本章小结 | 第60-62页 |
| 全文总结与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录A | 第68页 |
