| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景及工程意义 | 第11-14页 |
| 1.2 风机叶片损伤识别领域国内外研究现状 | 第14-20页 |
| 1.2.1 振动模态分析在损伤识别方法中的研究 | 第14-15页 |
| 1.2.2 无损检测技术在损伤识别方法中的应用 | 第15-19页 |
| 1.2.3 智能结构在损伤识别方法中的应用 | 第19-20页 |
| 1.3 本文的主要研究内容 | 第20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 基于PZT风机叶片振动信号采集系统 | 第21-32页 |
| 2.1 压电陶瓷传感器 | 第21-24页 |
| 2.1.1 压电材料及PZT | 第21页 |
| 2.1.2 压电效应与压电方程 | 第21-22页 |
| 2.1.3 PZT传感器的性能测试 | 第22-24页 |
| 2.2 基于PZT的风机叶片振动监测系统 | 第24-30页 |
| 2.2.1 PZT传感器的等效电路 | 第24-26页 |
| 2.2.2 风机叶片振动实验 | 第26-30页 |
| 2.2.3 实验结果分析 | 第30页 |
| 2.3 风机叶片健康监测系统的组成及功能 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 小波分析在风机叶片振动信号去噪中的应用 | 第32-43页 |
| 3.1 小波变换理论 | 第32-35页 |
| 3.1.1 连续小波变换 | 第32-33页 |
| 3.1.2 二带小波变换 | 第33-34页 |
| 3.1.3 离散小波变换 | 第34页 |
| 3.1.4 多分辨率分析 | 第34-35页 |
| 3.2 小波阈值去噪原理与方法 | 第35-39页 |
| 3.2.1 小波去噪的基本原理 | 第35页 |
| 3.2.2 小波阈值去噪阈值选取方法 | 第35-37页 |
| 3.2.3 小波阈值去噪阈值函数的选取 | 第37页 |
| 3.2.4 传统小波阈值去噪方法的局限性 | 第37-38页 |
| 3.2.5 改进的小波阈值去噪方法 | 第38-39页 |
| 3.3 仿真结果以及比较分析 | 第39-42页 |
| 3.3.1 仿真结果 | 第39-41页 |
| 3.3.2 输出信噪比(SNR)和最小均方误差(MSE) | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于独立成分分析风机叶片振动信号特征提取 | 第43-49页 |
| 4.1 ICA基本模型 | 第43-44页 |
| 4.2 FASTICA的基本算法 | 第44-47页 |
| 4.2.1 FASTICA预处理 | 第44-45页 |
| 4.2.2 FASTICA的独立性判据 | 第45-46页 |
| 4.2.3 FASTICA算法原理及实现步骤 | 第46-47页 |
| 4.3 仿真实验及结果分析 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 ICA和小波分析在风机叶片损伤特征分析上的应用 | 第49-64页 |
| 5.1 风机叶片振动信号奇异点检测 | 第49-54页 |
| 5.2 风机叶片振动数据处理与模态损伤识别 | 第54-58页 |
| 5.3 风机叶片损伤特征提取与类型识别 | 第58-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71页 |