| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景与意义 | 第9-10页 |
| 1.3 风电机组传动系统故障诊断国内外研究状况 | 第10-12页 |
| 1.4 信息融合方法在故障诊断中的应用 | 第12-14页 |
| 1.5 论文主要工作和内容安排 | 第14-17页 |
| 第二章 信息融合与风电机组传动系统故障类型 | 第17-25页 |
| 2.1 信息融合理论 | 第17-20页 |
| 2.1.1 信息融合理论的概念和定义 | 第17-18页 |
| 2.1.2 信息融合的级别与算法 | 第18-20页 |
| 2.2 风电机组传动系统故障类型分析 | 第20-22页 |
| 2.2.1 风电机组传动系统齿轮故障类型 | 第20-21页 |
| 2.2.2 风电机组传动系统滚动轴承故障类型 | 第21页 |
| 2.2.3 风电机组传动系统轴故障类型 | 第21-22页 |
| 2.3 信息融合理论在传动系统故障诊断中优点与关键问题 | 第22-24页 |
| 2.3.1 信息融合技术在传动系统故障诊断中的优点 | 第22-23页 |
| 2.3.2 信息融合技术在传动系统故障诊断中的关键问题 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于深度置信网络特征融合的传动系统故障诊断 | 第25-45页 |
| 3.1 深度置信网络理论背景 | 第25-28页 |
| 3.2 风电机组传动系统故障多域特征提取 | 第28-29页 |
| 3.3 基于深度置信网络的传动系统特征融合与诊断模型 | 第29-30页 |
| 3.4 齿轮箱故障融合诊断实例 | 第30-37页 |
| 3.4.1 齿轮箱实验数据说明 | 第30-32页 |
| 3.4.2 齿轮箱不同故障类型的多域特征集提取 | 第32-34页 |
| 3.4.3 齿轮箱多域特征融合与诊断 | 第34-37页 |
| 3.5 滚动轴承故障程度融合诊断实例 | 第37-44页 |
| 3.5.1 滚动轴承实验数据说明 | 第37页 |
| 3.5.2 滚动轴承不同故障程度与故障类型的多域特征集 | 第37-38页 |
| 3.5.3 滚动轴承多域特征融合与诊断 | 第38-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于改进D-S证据理论的传动系统故障融合诊断方法 | 第45-59页 |
| 4.1 D-S证据理论及其问题分析 | 第45-47页 |
| 4.2 基于改进D-S证据理论的风电机组传动系统故障融合诊断 | 第47-49页 |
| 4.2.1 改进D-S证据理论方法 | 第47-48页 |
| 4.2.2 基于改进D-S证据理论的多决策融合诊断方法 | 第48-49页 |
| 4.3 滚动轴承故障诊断实例 | 第49-54页 |
| 4.3.1 滚动轴承实验数据说明 | 第49-50页 |
| 4.3.2 滚动轴初级故障诊断 | 第50-52页 |
| 4.3.3 滚动轴承决策融合诊断 | 第52-54页 |
| 4.4 齿轮箱故障融合诊断实例 | 第54-58页 |
| 4.4.1 齿轮箱故障实验系统介绍 | 第54页 |
| 4.4.2 齿轮箱初级诊断 | 第54-56页 |
| 4.4.3 齿轮箱故障决策融合诊断 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59页 |
| 5.2 后续工作展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 在学期间发表的论文和取得的学术成果 | 第69页 |
