| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外风电发展现状 | 第10-12页 |
| 1.3 状态监测与故障诊断技术概述 | 第12-13页 |
| 1.4 本文的主要研究内容 | 第13-15页 |
| 第2章 风电机组及其SCADA系统 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 风电机组简介 | 第15-21页 |
| 2.2.1 风电机组分类、构成及工作原理 | 第15-18页 |
| 2.2.2 风电机组的状态监测 | 第18-19页 |
| 2.2.3 风电机组常见故障分析 | 第19-21页 |
| 2.3 SCADA系统 | 第21-25页 |
| 2.3.1 SCADA系统简介 | 第21-24页 |
| 2.3.2 基于SCADA的风电机组研究现状 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 改进的非线性状态估计建模算法 | 第26-48页 |
| 3.1 引言 | 第26页 |
| 3.2 相似性原理 | 第26页 |
| 3.3 NSET建模方法基本原理 | 第26-29页 |
| 3.4 NSET建模步骤 | 第29-34页 |
| 3.4.1 样本数据的选取 | 第29-30页 |
| 3.4.2 数据预处理 | 第30页 |
| 3.4.3 基于马氏距离构造过程记忆矩阵 | 第30-34页 |
| 3.5 NSET模型在风机状态预测上的应用 | 第34-46页 |
| 3.5.1 本文所研究的风电机组简介 | 第34-36页 |
| 3.5.2 模型输入参数的确定 | 第36-39页 |
| 3.5.3 模型过程记忆矩阵的构造 | 第39-41页 |
| 3.5.4 齿轮箱NSET状态监测模型有效性验证 | 第41-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第4章 基于NSET模型的齿轮箱关键参数的预测 | 第48-63页 |
| 4.1 引言 | 第48页 |
| 4.2 状态参数预测模型的确定 | 第48-50页 |
| 4.3 验证与分析 | 第50-61页 |
| 4.3.1 正常工况下基于NSET模型的齿轮箱关键参数的预测 | 第50-55页 |
| 4.3.2 神经网络建模预测方法与NSET模型预测对比 | 第55-58页 |
| 4.3.3 故障工况下基于NSET模型的齿轮箱轴承温度及振动有效值预测 | 第58-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第5章 风电机组运行状态评估 | 第63-72页 |
| 5.1 引言 | 第63页 |
| 5.2 风电机组运行状态评估模型的建立 | 第63-70页 |
| 5.2.1 多层次模糊综合评价原理 | 第63-64页 |
| 5.2.2 运行状态评判指标的选取 | 第64-65页 |
| 5.2.3 权重计算 | 第65-67页 |
| 5.2.4 劣化度分析 | 第67-68页 |
| 5.2.5 隶属度分析 | 第68-70页 |
| 5.3 应用分析 | 第70-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第6章 风电机组状态监测系统人机交互界面的实现 | 第72-80页 |
| 6.1 引言 | 第72页 |
| 6.2 基于LABVIEW的风电机组状态监测系统的设计 | 第72-78页 |
| 6.2.1 LabVIEW简介 | 第72-73页 |
| 6.2.2 LabVIEW程序框图的设计 | 第73-74页 |
| 6.2.3 系统交互界面的设计 | 第74-76页 |
| 6.2.4 系统交互界面的远程发布 | 第76-78页 |
| 6.3 本章小结 | 第78-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第86-87页 |
| 致谢 | 第87页 |
