| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.2 国内外研究发展现状 | 第11-14页 |
| 1.2.1 基于物理特征变化的风力发电机组关键部件状态监测研究现状 | 第11-12页 |
| 1.2.2 基于数据驱动的风力发电机组状态监测研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14-16页 |
| 第2章 风力发电机及其故障分析 | 第16-27页 |
| 2.1 风力发电机基本理论 | 第16-20页 |
| 2.2 风力发电机组运行特性 | 第20-22页 |
| 2.2.1 功率特性 | 第20-21页 |
| 2.2.2 转矩特性 | 第21页 |
| 2.2.3 风轮推力特性 | 第21-22页 |
| 2.3 风力发电机组的运行工况及其划分 | 第22-24页 |
| 2.4 双馈风力发电机组的故障分析 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 FAST系统的基础理论及其模型仿真 | 第27-33页 |
| 3.1 叶素动量理论 | 第27-29页 |
| 3.2 广义动态尾流(GDW)理论 | 第29-31页 |
| 3.3 基于FAST的风力发电机模型仿真 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于混合输入模糊神经网络的状态监测模型 | 第33-44页 |
| 4.1 混合输入模糊神经网络模型 | 第33-40页 |
| 4.1.1 模糊神经网络 | 第33-34页 |
| 4.1.2 混合输入模糊神经网络模型结构 | 第34-36页 |
| 4.1.3 混合输入模糊神经网络模型结构辨识 | 第36-38页 |
| 4.1.4 混合输入模糊神经网络模型参数训练算法 | 第38-40页 |
| 4.2 混合输入模糊神经网络模型数值仿真 | 第40-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 风力发电机状态监测及异常识别 | 第44-57页 |
| 5.1 FAST生产数据预处理 | 第44-46页 |
| 5.2 风力发电机状态参数特征选择 | 第46-48页 |
| 5.3 风力发电机状态参数建模 | 第48-52页 |
| 5.3.1 混合输入模糊神经网络状态参数模型的建立 | 第48-49页 |
| 5.3.2 风力发电机状态参数模型的对比 | 第49-52页 |
| 5.4 风力发电机异常状态监测 | 第52-56页 |
| 5.4.1 风力发电机异常识别方法 | 第52-53页 |
| 5.4.2 异常监测实验对比 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 结论与展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 学术成果 | 第64-65页 |
| 致谢 | 第65页 |
