风力发电机叶片状态监测与故障诊断系统设计和实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景 | 第11-14页 |
| 1.2 风力发电机叶片状态检测和故障诊断现状 | 第14-16页 |
| 1.3 课题研究目的及意义 | 第16-17页 |
| 1.4 论文研究内容及章节安排 | 第17-19页 |
| 第二章 风力发电机组叶片故障分析及检测技术分类 | 第19-26页 |
| 2.1 引言 | 第19页 |
| 2.2 风力发电机组结构原理介绍 | 第19-20页 |
| 2.3 风力发电机组叶片故障原因分析 | 第20-22页 |
| 2.4 风力发电机组常见故障类型分析 | 第22-24页 |
| 2.5 常用的叶片检测技术 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 风电叶片振动信号数据采集系统 | 第26-55页 |
| 3.1 引言 | 第26页 |
| 3.2 风电叶片状态监测数据采集系统组成 | 第26-29页 |
| 3.2.1 控制单元 | 第27页 |
| 3.2.2 振动信号采集 | 第27-28页 |
| 3.2.3 数据传输 | 第28-29页 |
| 3.3 风电叶片状态监控数据采集系统硬件设计 | 第29-47页 |
| 3.3.1 电源模块 | 第29-30页 |
| 3.3.2 核心控制单元 | 第30-33页 |
| 3.3.3 三轴加速度传感器 | 第33-35页 |
| 3.3.4 全桥应变片模块 | 第35-40页 |
| 3.3.5 无线传输模块 | 第40-44页 |
| 3.3.6 电路板绘制 | 第44-47页 |
| 3.4 风电叶片状态监控数据采集系统软件设计 | 第47-54页 |
| 3.4.1 单片机程序设计 | 第48-50页 |
| 3.4.2 上位机设计 | 第50-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 风电叶片故障识别模型 | 第55-74页 |
| 4.1 小波分析理论 | 第55-59页 |
| 4.1.1 小波分析 | 第55-57页 |
| 4.1.2 小波包分析 | 第57-59页 |
| 4.2 谐波小波理论 | 第59-61页 |
| 4.2.1 谐波小波变换 | 第59-60页 |
| 4.2.2 谐波小波包 | 第60-61页 |
| 4.3 支持向量机 | 第61-69页 |
| 4.3.1 统计学习基本理论 | 第61-64页 |
| 4.3.2 SVM基本思想 | 第64-67页 |
| 4.3.3 核函数 | 第67页 |
| 4.3.4 SVM的分类算法 | 第67-69页 |
| 4.3.5 LIBSVM | 第69页 |
| 4.4 和声搜素算法 | 第69-72页 |
| 4.4.1 基本和声搜索算法 | 第69-71页 |
| 4.4.2 改进和声搜索算法 | 第71-72页 |
| 4.4.3 改进HS算法优化SVM参数选择 | 第72页 |
| 4.5 信号的特征选择与提取理论 | 第72-73页 |
| 4.5.1 特征选择与提取 | 第72页 |
| 4.5.2 特征选择和提取的目的 | 第72-73页 |
| 4.6 本章小结 | 第73-74页 |
| 第五章 风电叶片故障识别研究 | 第74-81页 |
| 5.1 引言 | 第74页 |
| 5.2 叶片振动信号的特征提取 | 第74-78页 |
| 5.3 基于改进和声算法SVM故障识别 | 第78-80页 |
| 5.3.1 建立叶片损伤识别模型 | 第78页 |
| 5.3.2 SVM的叶片故障识别结果 | 第78-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第六章 总结 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 攻读硕士学位期间取得的研究成果 | 第88页 |
