风电机组振动监测与故障诊断系统研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| CONTENTS | 第11-15页 |
| 第一章 绪论 | 第15-25页 |
| ·研究背景及意义 | 第15-17页 |
| ·风力发电机组振动监测与故障诊断技术研究现状 | 第17-23页 |
| ·特征提取与故障诊断技术现状 | 第18-21页 |
| ·风力发电机组振动监测与故障诊断系统研究现状 | 第21-23页 |
| ·课题来源 | 第23页 |
| ·论文主要研究内容及结构安排 | 第23-25页 |
| 第二章 风电机组基本结构与典型故障分析 | 第25-41页 |
| ·风力发电机的组成结构和工作原理 | 第25-27页 |
| ·风电机组常见故障分析 | 第27-31页 |
| ·风电机组齿轮箱常见故障类型与信号特征 | 第31-40页 |
| ·齿轮典型故障与信号特征 | 第32-34页 |
| ·轴承典型故障与信号特征 | 第34-36页 |
| ·低速轴及高速轴的典型故障与信号特征 | 第36-37页 |
| ·齿轮箱典型部件的特征频率计算 | 第37-40页 |
| ·小结 | 第40-41页 |
| 第三章 风电机组振动信号特征提取 | 第41-51页 |
| ·传统的故障特征提取方法 | 第41-46页 |
| ·信号的幅域分析方法 | 第41-43页 |
| ·信号的时域分析方法 | 第43页 |
| ·信号的频域分析方法 | 第43-44页 |
| ·齿轮箱振动信号特征提取实例分析 | 第44-46页 |
| ·振动信号特征提取的时频域分析方法 | 第46-50页 |
| ·小波包基本原理 | 第47-48页 |
| ·小波包能量特征提取 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第四章 基于遗传算法和支持向量机的齿轮箱故障诊断 | 第51-67页 |
| ·统计学习理论 | 第51-53页 |
| ·机器学习的基本方法 | 第51-52页 |
| ·经验风险最小化原则 | 第52页 |
| ·VC维 | 第52-53页 |
| ·结构风险最小化原则 | 第53页 |
| ·支持向量机基木理论 | 第53-58页 |
| ·线性可分支持向量机 | 第54-56页 |
| ·核特征空间的非线性映射算法 | 第56页 |
| ·非线性支持向量机 | 第56-58页 |
| ·支持向量机故障诊断模型的建立 | 第58-60页 |
| ·选择训练集 | 第58页 |
| ·特征向量选择 | 第58-59页 |
| ·核函数的选择 | 第59页 |
| ·模型参数选择 | 第59-60页 |
| ·遗传算法 | 第60-63页 |
| ·遗传算法的原理 | 第60-61页 |
| ·遗传算法优化支持向量机参数 | 第61-63页 |
| ·支持向量机在齿轮箱故障诊断中的应用 | 第63-65页 |
| ·小结 | 第65-67页 |
| 第五章 风电机组振动监测与故障诊断系统设计 | 第67-89页 |
| ·系统需求分析 | 第67-68页 |
| ·系统功能设计 | 第68-71页 |
| ·信号采集功能 | 第69-70页 |
| ·状态监测及显示功能 | 第70页 |
| ·分析诊断功能 | 第70页 |
| ·存储查询功能 | 第70页 |
| ·其它功能 | 第70-71页 |
| ·系统结构与实现 | 第71-72页 |
| ·风电机组测点布置 | 第72-74页 |
| ·传感器的选用与安装 | 第74-76页 |
| ·传感器的选用 | 第74-75页 |
| ·传感器的安装 | 第75-76页 |
| ·下位机硬件选型与软件设计 | 第76-79页 |
| ·下位机硬件选型 | 第76-78页 |
| ·下位机软件设计 | 第78-79页 |
| ·上位机系统软件设计 | 第79-88页 |
| ·振动监测与故障诊断流程 | 第79-80页 |
| ·风电机组振动监测 | 第80-82页 |
| ·频谱分析诊断 | 第82-83页 |
| ·支持向量机故障诊断 | 第83-85页 |
| ·诊断报告输出 | 第85-87页 |
| ·数据存储与展示 | 第87-88页 |
| ·本章小结 | 第88-89页 |
| 总结与展望 | 第89-91页 |
| 1、总结 | 第89-90页 |
| 2、展望 | 第90-91页 |
| 参考文献 | 第91-98页 |
| 攻读学位期间发表的论文 | 第98-100页 |
| 致谢 | 第100页 |
