风力发电机组传动系统运行状态评价方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 风电机组传动系统故障预测的研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 课题研究的主要内容 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 风力发电机组及运行状态评价方法概述 | 第15-30页 |
| 2.1 风力发电机组概述 | 第15-21页 |
| 2.1.1 风电机组基本原理 | 第15-17页 |
| 2.1.2 风力发电机组常见故障 | 第17-18页 |
| 2.1.3 风电机组齿轮箱的结构及常见故障 | 第18-21页 |
| 2.2 SCADA系统概述 | 第21-24页 |
| 2.2.1 SCADA系统的结构 | 第21-22页 |
| 2.2.2 SCADA系统的数据采集 | 第22-24页 |
| 2.3 基于数据的运行状态评估方法简介 | 第24-29页 |
| 2.3.1 时间序列预测 | 第25-26页 |
| 2.3.2 灰色预测模型 | 第26-27页 |
| 2.3.3 人工神经网路 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于数据挖掘的建模方法 | 第30-42页 |
| 3.1 建模数据预处理 | 第30-34页 |
| 3.1.1 数据筛选 | 第31页 |
| 3.1.2 变量的选取 | 第31-32页 |
| 3.1.3 数据预处理 | 第32-33页 |
| 3.1.4 数据标准化 | 第33-34页 |
| 3.2 相似性原理 | 第34-35页 |
| 3.3 非线性状态估计建模方法 | 第35-37页 |
| 3.4 聚类分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 齿轮箱故障预警模型的构建 | 第42-50页 |
| 4.1 齿轮箱故障预警模型建立 | 第42-45页 |
| 4.1.1 健康模型库的构建 | 第42-43页 |
| 4.1.2 实时数据采集及报警触发规则 | 第43-45页 |
| 4.2 预警模型实例验证 | 第45-48页 |
| 4.2.1 模型有效性验证 | 第45-46页 |
| 4.2.2 模型实例分析 | 第46-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第5章 结论和展望 | 第50-52页 |
| 5.1 结论 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |
