| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 论文研究背景及意义 | 第9页 |
| 1.2 国内外研究现状及发展动态 | 第9-10页 |
| 1.3 故障诊断技术的发展 | 第10-13页 |
| 1.4 流形学习理论的现状 | 第13页 |
| 1.5 论文的主要研究内容 | 第13-15页 |
| 2 流形学习算法理论 | 第15-29页 |
| 2.1 Isomap算法 | 第16-18页 |
| 2.1.1 算法步骤 | 第16-17页 |
| 2.1.2 算法分析 | 第17-18页 |
| 2.2 LLE算法 | 第18-22页 |
| 2.2.1 算法步骤 | 第19-20页 |
| 2.2.2 算法分析 | 第20-22页 |
| 2.3 LE算法 | 第22-24页 |
| 2.3.1 算法步骤 | 第22-23页 |
| 2.3.2 算法分析 | 第23-24页 |
| 2.4 LTSA算法 | 第24-27页 |
| 2.4.1 算法步骤 | 第25-26页 |
| 2.4.2 算法分析 | 第26-27页 |
| 2.5 流形学习中存在的问题 | 第27-28页 |
| 2.6 小结 | 第28-29页 |
| 3 基于随机投影的正交判别流形学习算法 | 第29-40页 |
| 3.1 基于流形距离的局部线性嵌入 | 第29-33页 |
| 3.1.1 流形距离 | 第29-30页 |
| 3.1.2 基于流形距离的近邻选取 | 第30-31页 |
| 3.1.3 基于流形距离的局部线性嵌入算法 | 第31-33页 |
| 3.2 随机投影 | 第33-34页 |
| 3.3 基于随机投影的正交判别流形学习算法 | 第34-37页 |
| 3.3.1 引入监督 | 第34-35页 |
| 3.3.2 特征向量正交化 | 第35-36页 |
| 3.3.3 基于随机投影的正交判别流形学习算法步骤 | 第36-37页 |
| 3.4 仿真结果 | 第37-39页 |
| 3.5 小结 | 第39-40页 |
| 4 风电机组齿轮箱建模及仿真分析 | 第40-51页 |
| 4.1 风力发电机组概述 | 第40页 |
| 4.2 风电机组齿轮箱结构及故障形式 | 第40-43页 |
| 4.2.1 风电机组齿轮箱结构 | 第40-41页 |
| 4.2.2 齿轮箱常见故障 | 第41-43页 |
| 4.3 风电机组齿轮箱建模及仿真分析 | 第43-50页 |
| 4.3.1 齿轮箱建模 | 第43-45页 |
| 4.3.2 齿轮箱仿真分析 | 第45-47页 |
| 4.3.3 齿轮箱故障建模及仿真分析 | 第47-49页 |
| 4.3.4 系统模态 | 第49-50页 |
| 4.4 小结 | 第50-51页 |
| 5 基于流形学习的风电机组齿轮箱故障诊断 | 第51-63页 |
| 5.1 故障特征提取 | 第51-54页 |
| 5.1.1 经验模态分解 | 第51-53页 |
| 5.1.2 能量熵 | 第53-54页 |
| 5.2 单值SVM的多故障模式识别 | 第54-57页 |
| 5.2.1 单值支持向量机 | 第54-56页 |
| 5.2.2 多故障单值SVM分类器设计 | 第56-57页 |
| 5.3 基于流形学习的风电机组齿轮箱故障诊断模型 | 第57-58页 |
| 5.4 仿真结果 | 第58-62页 |
| 5.5 小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读学位期间的研究成果 | 第68页 |