| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题的背景与研究意义 | 第11-13页 |
| 1.2 风力发电机组的状态监测与故障诊断方法 | 第13-14页 |
| 1.2.1 状态监测方法 | 第13页 |
| 1.2.2 故障诊断方法 | 第13-14页 |
| 1.3 风力发电机组的状态监测与故障诊断方法国内外研究现状 | 第14-17页 |
| 1.3.1 国外研究现状 | 第15-16页 |
| 1.3.2 国内研究现状 | 第16-17页 |
| 1.4 论文的研究内容与章节安排 | 第17-19页 |
| 第二章 风力发电机组中轴承的故障类型和故障机理 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 风力发电机组的结构原理 | 第19-20页 |
| 2.3 风力发电机组中轴承的故障类型 | 第20-23页 |
| 2.4 风力发电机组中轴承的故障机理 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 轴承状态监测和故障诊断的系统设计 | 第27-34页 |
| 3.1 引言 | 第27页 |
| 3.2 系统的整体设计 | 第27-28页 |
| 3.3 系统的硬件部分 | 第28-32页 |
| 3.3.1 实验平台的设计 | 第28-29页 |
| 3.3.2 传感器的选择 | 第29-30页 |
| 3.3.3 数据采集卡的选择 | 第30-32页 |
| 3.4 系统的软件部分 | 第32-33页 |
| 3.4.1 虚拟仪器的技术 | 第32页 |
| 3.4.2 Lab VIEW的编程语言 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 轴承振动信号的特征提取 | 第34-49页 |
| 4.1 引言 | 第34页 |
| 4.2 轴承振动信号的消噪 | 第34-39页 |
| 4.2.1 小波包变换 | 第34-36页 |
| 4.2.2 小波包变换的消噪 | 第36-39页 |
| 4.3 轴承振动信号的特征量提取 | 第39-48页 |
| 4.3.1 基于时域分析的特征量提取 | 第39-42页 |
| 4.3.2 基于频域分析的特征量提取 | 第42-44页 |
| 4.3.3 基于小波包分析的特征量提取 | 第44-46页 |
| 4.3.4 振动信号的特征量组合及其数据归一化 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 基于IGA-ELM的轴承故障诊断 | 第49-69页 |
| 5.1 引言 | 第49页 |
| 5.2 极限学习机 | 第49-53页 |
| 5.2.1 概述 | 第49-51页 |
| 5.2.2 Moore-Penrose广义逆 | 第51页 |
| 5.2.3 分类原理 | 第51-53页 |
| 5.3 遗传算法及其改进 | 第53-57页 |
| 5.3.1 遗传算法简介 | 第53-55页 |
| 5.3.2 遗传算法的改进 | 第55-57页 |
| 5.4 改进的遗传算法优化极限学习机 | 第57-59页 |
| 5.5 轴承的故障诊断 | 第59-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第六章 轴承状态监测与故障诊断系统的实现 | 第69-77页 |
| 6.1 引言 | 第69页 |
| 6.2 用户登录模块 | 第69-70页 |
| 6.3 监测采集模块 | 第70-71页 |
| 6.4 信号分析与处理模块 | 第71-72页 |
| 6.5 故障诊断模块 | 第72-74页 |
| 6.6 数据存储模块 | 第74-75页 |
| 6.7 数据通讯模块 | 第75-76页 |
| 6.8 本章小结 | 第76-77页 |
| 第七章 总结与展望 | 第77-79页 |
| 7.1 总结 | 第77-78页 |
| 7.2 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84页 |