基于数据的风电机组故障趋势预测方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的背景与意义 | 第10-13页 |
| 1.2 风电机组故障预测技术国内外研究现状 | 第13-14页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 预测理论简介 | 第14-15页 |
| 1.4 故障预测方法的分类 | 第15-16页 |
| 1.5 论文主要研究内容 | 第16-17页 |
| 第2章 风电机组的基本结构和齿轮箱主要故障类型 | 第17-30页 |
| 2.1 风力发电机组概述 | 第17-18页 |
| 2.2 风力发电机组齿轮箱的基本结构 | 第18页 |
| 2.3 风电机组机械能传递单元的失效模式 | 第18-23页 |
| 2.3.1 齿面磨损 | 第19-20页 |
| 2.3.2 齿面胶合擦伤 | 第20页 |
| 2.3.3 齿面点蚀 | 第20-21页 |
| 2.3.4 断齿 | 第21页 |
| 2.3.5 轴系故障 | 第21-22页 |
| 2.3.6 轴承故障 | 第22-23页 |
| 2.4 振动产生的原因 | 第23-24页 |
| 2.5 基于数据的趋势预测流程 | 第24-27页 |
| 2.5.1 信号采集 | 第25-26页 |
| 2.5.2 信号处理方法与特征值的提取 | 第26页 |
| 2.5.3 主分量分析 | 第26-27页 |
| 2.6 数据预测 | 第27-28页 |
| 2.7 振动阈值的设定 | 第28-29页 |
| 2.8 剩余寿命 | 第29页 |
| 2.9 本章小结 | 第29-30页 |
| 第3章 基于BP神经网络的故障预测 | 第30-49页 |
| 3.1 BP神经网络概述 | 第30页 |
| 3.2 BP神经网络的结构 | 第30-32页 |
| 3.3 BP神经网络的学习算法 | 第32-36页 |
| 3.3.1 最速下降法 | 第32-33页 |
| 3.3.2 最速下降BP法 | 第33-36页 |
| 3.4 设计神经网络的方法 | 第36-38页 |
| 3.5 预测步骤 | 第38页 |
| 3.6 仿真信号验证 | 第38-46页 |
| 3.6.1 仿真信号生成 | 第38-40页 |
| 3.6.2 BP网络训练函数的选取 | 第40-43页 |
| 3.6.3 BP神经网络隐含层神经元数的确定 | 第43-46页 |
| 3.7 实际信号验证 | 第46-47页 |
| 3.8 BP神经网络的局限 | 第47-48页 |
| 3.9 本章小结 | 第48-49页 |
| 第4章 基于ELMAN和小波的神经网络故障预测 | 第49-58页 |
| 4.1 ELMAN和小波神经网络综述 | 第49页 |
| 4.2 ELMAN神经网络结构 | 第49-50页 |
| 4.3 ELMAN神经网络的学习过程 | 第50-51页 |
| 4.4 仿真信号与实际信号验证 | 第51-52页 |
| 4.4.1 仿真信号验证 | 第51页 |
| 4.4.2 实际信号验证 | 第51-52页 |
| 4.5 小波理论 | 第52-53页 |
| 4.6 小神经网络结构 | 第53-55页 |
| 4.7 仿真信号与实际信号验证 | 第55-57页 |
| 4.7.1 仿真信号验证 | 第55-56页 |
| 4.7.2 实际信号验证 | 第56-57页 |
| 4.8 本章小结 | 第57-58页 |
| 第5章 BP神经网络的优化 | 第58-71页 |
| 5.1 遗传算法优化BP神经网络 | 第58-60页 |
| 5.1.1 遗传算法原理 | 第58-59页 |
| 5.1.2 遗传算法实现 | 第59-60页 |
| 5.1.3 遗传算法基本要素 | 第60页 |
| 5.2 模型建立 | 第60-63页 |
| 5.2.1 算法流程 | 第60-61页 |
| 5.2.2 仿真信号验证 | 第61-62页 |
| 5.2.3 实际信号验证 | 第62-63页 |
| 5.3 粒子群算法优化BP神经网络 | 第63-68页 |
| 5.3.1 粒子群算法原理 | 第63-65页 |
| 5.3.2 模型建立 | 第65-66页 |
| 5.3.3 仿真信号验证 | 第66-67页 |
| 5.3.4 实际信号验证 | 第67-68页 |
| 5.4 神经网络模型对比 | 第68-69页 |
| 5.4.1 振动阈值的设定 | 第69页 |
| 5.4.2 剩余寿命 | 第69页 |
| 5.5 本章小结 | 第69-71页 |
| 第6章 结论与展望 | 第71-72页 |
| 6.1 结论 | 第71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士期间发表论文及参与的科研工作 | 第75-76页 |
| 致谢 | 第76页 |
