基于小波变换和数据挖掘的风电机在线故障诊断
| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-23页 |
| ·研究背景 | 第12-14页 |
| ·风电国内外现状 | 第14-17页 |
| ·国外风电发展现状及趋势 | 第14-16页 |
| ·国内风电发展现状 | 第16-17页 |
| ·风电状态监测与故障诊断研究现状 | 第17-21页 |
| ·风力发电机在线检测的必要性 | 第17-18页 |
| ·风力发电机故障诊断现状 | 第18-21页 |
| ·本课题研究意义和内容 | 第21-22页 |
| ·本课题研究意义 | 第21-22页 |
| ·本课题研究内容 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第2章 风力发电机的组成及运行原理 | 第23-31页 |
| ·风力发电机原理 | 第23-24页 |
| ·风力发电机构成及典型故障 | 第24-30页 |
| ·叶片 | 第24-25页 |
| ·齿轮箱 | 第25-27页 |
| ·偏航装置 | 第27-28页 |
| ·机舱、塔架 | 第28页 |
| ·电控系统 | 第28-29页 |
| ·发电机 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 风机状态监测与故障诊断信号分析技术 | 第31-55页 |
| ·利用振动作为在线监测与故障诊断的依据 | 第31页 |
| ·状态监测的基本参数 | 第31-34页 |
| ·动态参数 | 第31-32页 |
| ·静态参数 | 第32-33页 |
| ·其他参数 | 第33-34页 |
| ·振动信号分析基本方法 | 第34-35页 |
| ·频谱分析 | 第34页 |
| ·波特图 | 第34页 |
| ·瀑布图 | 第34页 |
| ·轴心轨迹图 | 第34-35页 |
| ·轴心位置趋势图 | 第35页 |
| ·相关趋势图 | 第35页 |
| ·振动信号处理 | 第35-37页 |
| ·时域分析 | 第35-36页 |
| ·频域分析 | 第36-37页 |
| ·时频分析 | 第37页 |
| ·小波分析在风机故障诊断中的应用 | 第37-45页 |
| ·傅里叶变换及其局限性 | 第37-39页 |
| ·小波分析 | 第39-42页 |
| ·小波包分析 | 第42-44页 |
| ·第二代小波—提升小波 | 第44-45页 |
| ·小波分析在风机振动信号处理中的应用 | 第45-49页 |
| ·小波消噪 | 第45-46页 |
| ·小波包消噪 | 第46-47页 |
| ·提升小波消噪 | 第47-48页 |
| ·对比分析 | 第48-49页 |
| ·风机振动信号的特征提取及仿真分析 | 第49-54页 |
| ·小波包特征提取理论 | 第49-51页 |
| ·小波包故障特征提取仿真分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 数据挖掘在风机故障诊断中的应用 | 第55-66页 |
| ·数据挖掘知识 | 第55-57页 |
| ·数据挖掘概念 | 第55-56页 |
| ·风电机数据挖掘过程 | 第56-57页 |
| ·数据挖掘主要方法 | 第57-58页 |
| ·基于决策树的故障诊断方法 | 第58-60页 |
| ·决策树介绍 | 第58-59页 |
| ·决策树算法 | 第59-60页 |
| ·数据挖掘在风机故障诊断中应用 | 第60-65页 |
| ·数据准备预处理 | 第60-62页 |
| ·构造决策树 | 第62-64页 |
| ·风机故障数据挖掘诊断平台实现 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 风电机故障诊断平台实现 | 第66-73页 |
| ·系统整体硬件结构设计 | 第66-70页 |
| ·系统结构模式 | 第66-67页 |
| ·无线通信技术介绍 | 第67-68页 |
| ·系统硬件组成及其功能 | 第68-70页 |
| ·系统软件体系设计 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第79页 |
