基于隐马尔科夫模型的风电机组齿轮箱故障诊断研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景 | 第9-11页 |
| 1.2 课题研究的目的和意义 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 本文主要研究内容 | 第15页 |
| 1.5 论文安排 | 第15-17页 |
| 第2章 隐马尔科夫模型基础理论和算法 | 第17-34页 |
| 2.1 HMM基础理论 | 第17-20页 |
| 2.1.1 HMM基本概念 | 第17-18页 |
| 2.1.2 马尔科夫链 | 第18-20页 |
| 2.2 HMM基本算法 | 第20-25页 |
| 2.2.1 前向—后向算法 | 第20-22页 |
| 2.2.2 Viterbi算法 | 第22-24页 |
| 2.2.3 Baum-Welch算法 | 第24-25页 |
| 2.3 HMM相关模型分类 | 第25-29页 |
| 2.3.1 连续HMM与离散HMM | 第25-26页 |
| 2.3.2 隐半马尔可夫模型 | 第26-28页 |
| 2.3.3 高斯混合隐马尔科夫模型 | 第28-29页 |
| 2.4 应用HMM识别模拟信号 | 第29-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 振动信号的特征提取及优化 | 第34-47页 |
| 3.1 振动信号的特征值 | 第34-35页 |
| 3.1.1 时域统计参数 | 第34-35页 |
| 3.1.2 频域统计参数 | 第35页 |
| 3.1.3 小波能量特征参数 | 第35页 |
| 3.2 特征参数的优化选择 | 第35-44页 |
| 3.2.1 主成分分析法 | 第36-41页 |
| 3.2.2 距离测度法 | 第41-44页 |
| 3.3 原始数据处理 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第4章 齿轮箱HMM故障诊断模型及实例分析 | 第47-55页 |
| 4.1 数据采集 | 第47-48页 |
| 4.1.1 数据采集系统 | 第47-48页 |
| 4.1.2 采样定理的应用 | 第48页 |
| 4.2 HMM实际训练过程 | 第48-51页 |
| 4.3 输入测试数据匹配 | 第51-54页 |
| 4.3.1 HMM测试结果 | 第51-53页 |
| 4.3.2 GM-HMM测试结果 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 齿轮箱部件HMM寿命预测模型 | 第55-60页 |
| 5.1 国内外故障预测方法 | 第55-56页 |
| 5.2 基于HMM的寿命预测模型 | 第56-58页 |
| 5.3 算例及其分析 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-62页 |
| 6.1 本文工作总结 | 第60页 |
| 6.2 下一步工作的设想 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第68-69页 |
| 致谢 | 第69页 |
