| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-26页 |
| ·课题来源 | 第12页 |
| ·课题研究的目的和意义 | 第12-15页 |
| ·国内外相关研究 | 第15-24页 |
| ·故障诊断技术研究进展 | 第15-16页 |
| ·振动诊断技术的进展 | 第16-19页 |
| ·盲信号处理技术的发展现状 | 第19-24页 |
| ·本文研究的内容 | 第24-26页 |
| 第二章 分析单通道风电机组信号的 FastIca 及 EEMD 算法 | 第26-55页 |
| ·风电机组信号处理中的盲分离算法 | 第26-34页 |
| ·信号处理的基本概念、分类及基本步骤 | 第26-29页 |
| ·混叠信号的前期处理 | 第29-30页 |
| ·盲源信号分离数学模型的建立 | 第30-31页 |
| ·盲信号分离的基本假设条件及分离结果的不确定性 | 第31-32页 |
| ·盲源信号分离的独立性判据 | 第32-33页 |
| ·判断分离性能标准 | 第33-34页 |
| ·风电机组信号处理中的 FastIca 算法原理与表达 | 第34-39页 |
| ·独立分量分析的基本原理 | 第34-36页 |
| ·独立分量分析及 FastIca 算法 | 第36-39页 |
| ·风电机组信号处理中的总体经验模态分解方法（EEMD） | 第39-55页 |
| ·经验模态分解法的提出 | 第39页 |
| ·经验模态分解算法的工程应及用现状 | 第39-40页 |
| ·经验模态分解方法的基本性质及分解步骤 | 第40-43页 |
| ·经验模态分解方法 | 第43-45页 |
| ·计算分析停止准则 | 第45-46页 |
| ·经验模态分解的仿真分析 | 第46-47页 |
| ·经验模态分解算法小结 | 第47-48页 |
| ·总体经验模态分解法 | 第48页 |
| ·EEMD 算法的计算过程 | 第48-49页 |
| ·两种算法的比较 | 第49-54页 |
| ·总经验模态分解法小结 | 第54-55页 |
| 第三章 单通道风电机组信号的预处理 | 第55-67页 |
| ·单通道风电机组信号简介 | 第55-56页 |
| ·去除风电机组信号中单强干扰信号算法 | 第56-57页 |
| ·去除风电机组信号中单强干扰信号的扩展算法 | 第57-59页 |
| ·风电机组信号预处理的仿真实验分析 | 第59-62页 |
| ·信号预处理过程中需要注意的问题 | 第62-65页 |
| ·预处理算法的工程应用 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第四章 单通道风电机组信号降噪和分离方法 | 第67-83页 |
| ·风电机组信号的降噪 | 第67-75页 |
| ·基于时延自相关降噪方法 | 第68-70页 |
| ·基于 EEMD 方法的降噪 | 第70-74页 |
| ·自相关和 EEMD 组合降噪 | 第74-75页 |
| ·基于 EEMD-FastIca 的单通道风电机组信号分离方法 | 第75-82页 |
| ·本章小结 | 第82-83页 |
| 第五章 风电机组故障诊断实例 | 第83-102页 |
| ·风电机组齿轮的特征频谱及诊断实例 | 第83-96页 |
| ·风电机组齿轮的失效形式及其特征 | 第84-86页 |
| ·风电机组中常见齿轮故障的特征频谱 | 第86-87页 |
| ·诊断实例 1 | 第87-91页 |
| ·诊断实例 2 | 第91-96页 |
| ·风电机组轴承的特征频谱及诊断实例 | 第96-101页 |
| ·风电机组轴承的失效形式及其特征频率 | 第96-97页 |
| ·风电机组中常见轴承故障的特征频谱 | 第97-99页 |
| ·诊断实例 3 | 第99-101页 |
| ·本章小结 | 第101-102页 |
| 第六章 结论与展望 | 第102-104页 |
| ·结论 | 第102-103页 |
| ·展望 | 第103-104页 |
| 参考文献 | 第104-109页 |
| 在学研究成果 | 第109-111页 |
| 致谢 | 第111页 |
