| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题的背景与研究意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 风电机组齿轮箱故障诊断国内外研究现状 | 第15-16页 |
| 1.2.2 极限学习机算法国内外研究现状 | 第16-17页 |
| 1.3 主要研究内容 | 第17-19页 |
| 第二章 风电机组齿轮箱常见故障及故障特征提取 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 风力发电机结构及工作原理 | 第19-21页 |
| 2.3 齿轮箱的常见故障及特征频率计算 | 第21-26页 |
| 2.3.1 齿轮的常见故障及其特征 | 第22-24页 |
| 2.3.2 滚动轴承的常见故障及其特征 | 第24-26页 |
| 2.4 故障特征提取 | 第26-31页 |
| 2.4.1 小波包消躁 | 第26-28页 |
| 2.4.2 振动信号特征量提取 | 第28-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 基于SAPSO-ELM的风力发电机组齿轮故障诊断 | 第33-57页 |
| 3.1 引言 | 第33页 |
| 3.2 极限学习机 | 第33-37页 |
| 3.2.1 理论概述 | 第33-35页 |
| 3.2.2 ELM分类原理 | 第35-37页 |
| 3.3 改进极限学习机 | 第37-49页 |
| 3.3.1 粒子群算法 | 第37-39页 |
| 3.3.2 模拟退火算法 | 第39-41页 |
| 3.3.3 SAPSO优化ELM算法 | 第41-42页 |
| 3.3.4 实验验证 | 第42-49页 |
| 3.4 齿轮故障诊断 | 第49-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 基于ACPSO-ELM的风力发电机组轴承故障诊断 | 第57-73页 |
| 4.1 引言 | 第57页 |
| 4.2 改进极限学习机算法 | 第57-65页 |
| 4.2.1 混沌理论 | 第58-59页 |
| 4.2.2 ACPSO优化ELM算法 | 第59-60页 |
| 4.2.3 实验验证 | 第60-65页 |
| 4.3 轴承故障诊断 | 第65-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73-74页 |
| 5.2 展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83页 |