基于阵列传声器的风力发电机组故障诊断方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 选题背景和意义 | 第8页 |
| 1.2 风电机组故障诊断方法的研究现状 | 第8-9页 |
| 1.3 基于声信号的风电机组故障诊断基本流程 | 第9-10页 |
| 1.4 本文的主要研究内容 | 第10-12页 |
| 第二章 风力发电机组基本结构与典型故障 | 第12-21页 |
| 2.1 风电机组的基本结构和工作原理 | 第12-13页 |
| 2.2 风电机组常见故障情况分析 | 第13-17页 |
| 2.3 风电机组中齿轮箱的常见故障种类 | 第17-20页 |
| 2.3.1 风电机组中齿轮箱故障产生机理 | 第17页 |
| 2.3.2 齿轮常见故障形式 | 第17-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 声学基础及传声器阵列设计 | 第21-29页 |
| 3.1 声学基础 | 第21-22页 |
| 3.1.1 声波 | 第21页 |
| 3.1.2 平面波与球面波 | 第21页 |
| 3.1.3 近场和远场 | 第21-22页 |
| 3.1.4 振动信号与声学信号的关系 | 第22页 |
| 3.2 传声器阵列设计 | 第22-28页 |
| 3.2.1 传声器阵列概述 | 第22页 |
| 3.2.2 传声器阵列的阵型设计 | 第22-25页 |
| 3.2.3 传声器阵列的算法设计 | 第25-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 基于小波包分析的故障信号特征提取 | 第29-34页 |
| 4.1 小波包分析基本原理 | 第29-31页 |
| 4.1.1 小波包定义 | 第29-30页 |
| 4.1.2 小波包分解 | 第30-31页 |
| 4.1.3 小波包分解与重构算法 | 第31页 |
| 4.2 小波包分解层数的选取 | 第31页 |
| 4.3 小波基函数的选择 | 第31-32页 |
| 4.4 小波包能量特征提取 | 第32-33页 |
| 4.5 本章小结 | 第33-34页 |
| 第五章 基于支持向量机的故障模式识别 | 第34-41页 |
| 5.1 线性可分支持向量机 | 第34-36页 |
| 5.2 广义线性支持向量机 | 第36-38页 |
| 5.3 非线性支持向量机 | 第38-39页 |
| 5.4 支持向量机的核函数 | 第39页 |
| 5.5 交叉验证寻求最优参数 | 第39页 |
| 5.6 多分类支持向量机的故障诊断 | 第39-40页 |
| 5.7 本章小结 | 第40-41页 |
| 第六章 风电机组故障诊断系统设计 | 第41-52页 |
| 6.1 虚拟仪器的发展 | 第41页 |
| 6.2 系统硬件设计 | 第41-43页 |
| 6.2.1 传声器的选择 | 第42页 |
| 6.2.2 基于PXI平台的数据采集系统 | 第42-43页 |
| 6.3 系统程序设计 | 第43-48页 |
| 6.3.1 采集模块 | 第43-44页 |
| 6.3.2 数据存储模块 | 第44-45页 |
| 6.3.3 数据分析模块 | 第45页 |
| 6.3.4 故障诊断模块 | 第45-48页 |
| 6.4 人机界面设计 | 第48-51页 |
| 6.4.1 传声器标定界面 | 第48页 |
| 6.4.2 声压信号采集界面 | 第48-49页 |
| 6.4.3 小波包能量特征提取界面 | 第49页 |
| 6.4.4 基于SVM故障诊断界面 | 第49-51页 |
| 6.5 本章小结 | 第51-52页 |
| 第七章 实验验证 | 第52-57页 |
| 7.1 设备搭建 | 第52页 |
| 7.2 数据采集 | 第52-55页 |
| 7.3 结果分析 | 第55-56页 |
| 7.4 本章小结 | 第56-57页 |
| 第八章 总结与展望 | 第57-58页 |
| 8.1 总结 | 第57页 |
| 8.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-60页 |
