首页--工业技术论文--电工技术论文--电机论文--发电机、大型发电机组(总论)论文--风力发电机论文

基于声发射的风电叶片疲劳过程监测研究

摘要第8-10页
Abstract第10-12页
第1章 绪论第13-22页
    1.1 课题研究背景及意义第13-15页
        1.1.1 风能资源综述第13-14页
        1.1.2 风电行业发展现状第14-15页
    1.2 风电叶片结构及缺陷分析第15-16页
    1.3 风电叶片常规无损检测第16-17页
        1.3.1 超声检测第16-17页
        1.3.2 射线检测第17页
        1.3.3 红外检测第17页
    1.4 声发射技术研究及其发展现状第17-20页
        1.4.1 声发射基本原理第17-18页
        1.4.2 声发射技术特点第18-19页
        1.4.3 声发射技术发展历程第19-20页
    1.5 声发射技术在风电叶片的研究现状第20页
    1.6 研究内容和意义第20-21页
        1.6.1 研究内容第20-21页
        1.6.2 研究意义第21页
    1.7 本章小结第21-22页
第2章 声发射分析原理第22-27页
    2.1 声发射信号类型第22-26页
        2.1.1 声发射源的定位研究第22-23页
        2.1.2 声发射信号的特征分析第23-25页
        2.1.3 声发射信号的模式识别第25-26页
    2.2 声发射技术的应用第26-27页
第3章 风电叶片复合材料的声发射源定位研究第27-37页
    3.1 实验目的第27页
    3.2 实验材料及设备第27-28页
        3.2.1 实验材料第27页
        3.2.2 实验设备第27-28页
    3.3 实验方案第28页
    3.4 基本理论第28-30页
        3.4.1 互补集总经验模态分解第28-29页
        3.4.2 LAMB波理论第29-30页
    3.5 结果分析第30-35页
        3.5.1 不同激励声发射信号的波形分析第30-33页
        3.5.2 不同模态信号衰减特性研究第33-34页
        3.5.3 声发射源定位研究第34-35页
    3.6 本章小结第35-37页
第4章 风电叶片不同缺陷模态识别研究第37-47页
    4.1 实验目的第37页
    4.2 实验材料及设备第37-38页
        4.2.1 实验材料第37页
        4.2.2 实验设备第37-38页
    4.3 实验方案第38页
    4.4 基本理论第38-42页
        4.4.1 变分模态分解第38-40页
        4.4.2 VMD能量熵第40页
        4.4.3 BP神经网络第40-42页
    4.5 .结果分析第42-46页
        4.5.1 叶片缺陷声发射信号分析第42-43页
        4.5.2 VMD能量熵向量构造第43-44页
        4.5.3 VMD能量熵结合BP神经网络模式识别第44-46页
    4.6 本章小结第46-47页
第5章 风电叶片疲劳过程中的声发射特性研究第47-60页
    5.1 实验目的第47页
    5.2 实验材料及设备第47-48页
        5.2.1 实验材料第47页
        5.2.2 实验设备第47-48页
    5.3 实验方案第48-49页
    5.4 基本理论第49-50页
        5.4.1 CEEMDAN算法第49-50页
    5.5 结果分析第50-58页
        5.5.1 原始信号时域波形图第50-51页
        5.5.2 功率谱图第51-53页
        5.5.3 CEEMDAN分解第53-54页
        5.5.4 希尔伯特三维谱第54-56页
        5.5.5 声发射源定位分析第56-58页
    5.6 本章小结第58-60页
结论与展望第60-62页
    研究结论第60页
    研究展望第60-62页
参考文献第62-67页
致谢第67-68页
附录A 攻读硕士期间发表的论文第68页

论文共68页,点击 下载论文
上一篇:非等温条件下生物焦的制备及其对Hg~0脱除特性研究
下一篇:大型风电叶片多轴疲劳寿命预测