| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-11页 |
| 1.2 国内外故障诊断的研究现状 | 第11-14页 |
| 1.2.1 国内外故障诊断的研究发展情况 | 第11-13页 |
| 1.2.2 国内外风机齿轮箱故障诊断的研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 第2章 风力发电机齿轮箱常见故障研究 | 第15-21页 |
| 2.1 引言 | 第15页 |
| 2.2 风力发电机结构组成 | 第15页 |
| 2.3 齿轮箱常见故障分析 | 第15-20页 |
| 2.3.1 啮合频率 | 第15-17页 |
| 2.3.2 振动信号的调制 | 第17-18页 |
| 2.3.3 齿轮的常见故障 | 第18-19页 |
| 2.3.4 轴承常见故障 | 第19页 |
| 2.3.5 轴承常见故障频率 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于小波包的齿轮箱振动信号特征提取方法 | 第21-33页 |
| 3.1 引言 | 第21页 |
| 3.2 小波包原理 | 第21-27页 |
| 3.2.1 小波变换原理分析 | 第21-24页 |
| 3.2.2 小波消噪 | 第24-26页 |
| 3.2.3 小波包变换 | 第26-27页 |
| 3.3 BP神经网络 | 第27-32页 |
| 3.3.1 神经元特性 | 第27-28页 |
| 3.3.2 神经网络结构 | 第28-30页 |
| 3.3.3 BP神经网络的建立 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于小波包和BP神经网络的齿轮箱故障诊断 | 第33-56页 |
| 4.1 引言 | 第33页 |
| 4.2 小波包和BP神经网络结合的方式 | 第33-34页 |
| 4.3 试验系统的搭建 | 第34-36页 |
| 4.4 基于小波包的振动信号处理及实测数据 | 第36-50页 |
| 4.5 基于BP神经网络的齿轮箱故障诊断 | 第50-55页 |
| 4.5.1 BP神经网络的构建 | 第51-52页 |
| 4.5.2 BP神经网络的训练 | 第52页 |
| 4.5.3 BP神经网络的分类 | 第52页 |
| 4.5.4 BP神经网络的实验结果分析 | 第52-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 基于小波包和FCM聚类的齿轮箱故障诊断 | 第56-68页 |
| 5.1 引言 | 第56页 |
| 5.2 基于小波包变换和FCM模糊聚类分析的故障诊断方法 | 第56-60页 |
| 5.2.1 小波包变换方法 | 第56-57页 |
| 5.2.2 模糊C均值聚类 | 第57-60页 |
| 5.3 风力发电机齿轮箱故障诊断 | 第60-62页 |
| 5.3.1 齿轮箱常见故障及信号采集 | 第60页 |
| 5.3.2.基于小波包变换的齿轮箱信号特征提取 | 第60-62页 |
| 5.4 实测数据处理及分析 | 第62-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |