| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 风机叶片健康监测研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 主要研究内容及章节安排 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 章节安排 | 第15-16页 |
| 第二章 风机叶片远程在线声学监测系统 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 风机叶片结构 | 第16-17页 |
| 2.3 风机叶片故障分析 | 第17-19页 |
| 2.3.1 风机叶片故障原因分析 | 第17-18页 |
| 2.3.2 风机叶片故障类型分析 | 第18-19页 |
| 2.4 常用风机叶片故障检测技术及不足 | 第19-20页 |
| 2.4.1 常用风机叶片故障检测技术 | 第19-20页 |
| 2.4.2 存在的不足 | 第20页 |
| 2.5 声信号检测方法的优势 | 第20-21页 |
| 2.6 风机叶片远程在线声学监测系统 | 第21-26页 |
| 2.6.1 系统结构 | 第21页 |
| 2.6.2 声信号采集模块 | 第21-23页 |
| 2.6.3 前端数据处理模块 | 第23-24页 |
| 2.6.4 数据通信模块 | 第24页 |
| 2.6.5 监控管理中心 | 第24-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 基于倍频程与PCA的叶片声学特征提取与优化方法 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 声信号预处理方法 | 第27-29页 |
| 3.3 基于倍频程的故障特征提取算法 | 第29-32页 |
| 3.3.1 倍频程基本原理 | 第29-31页 |
| 3.3.2 算法设计 | 第31-32页 |
| 3.4 基于PCA的故障特征优化方法 | 第32-34页 |
| 3.4.1 PCA基本原理 | 第32-33页 |
| 3.4.2 特征优化算法流程 | 第33页 |
| 3.4.3 基于SVM的算法性能评估方法 | 第33-34页 |
| 3.5 实验分析 | 第34-40页 |
| 3.5.1 数据采集 | 第34-35页 |
| 3.5.2 信号预处理 | 第35-36页 |
| 3.5.3 特征提取与优化 | 第36-39页 |
| 3.5.4 结果分析 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于PSO-SDAE的风机叶片声学特征提取方法 | 第41-62页 |
| 4.1 引言 | 第41-42页 |
| 4.2 堆栈自动编码器原理及存在的问题 | 第42-47页 |
| 4.2.1 自动编码器原理 | 第42-43页 |
| 4.2.2 堆栈自动编码器原理 | 第43-46页 |
| 4.2.3 存在的问题及改进方法 | 第46-47页 |
| 4.3 基于PSO-SDAE的风机叶片声学特征提取优化算法设计 | 第47-58页 |
| 4.3.1 基于时频域的归一化样本集构造 | 第47-51页 |
| 4.3.2 基于Denoising与Dropout的SAE网络模型构建 | 第51-54页 |
| 4.3.3 基于PSO的超参数寻优方法 | 第54-56页 |
| 4.3.4 PSO-SDAE算法流程 | 第56-58页 |
| 4.4 实验分析 | 第58-61页 |
| 4.4.1 输入样本集构造 | 第58页 |
| 4.4.2 SDAE网络结构确定 | 第58-59页 |
| 4.4.3 模型参数寻优 | 第59-60页 |
| 4.4.4 识别结果与分析 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 研究总结 | 第62页 |
| 5.2 进一步研究方向 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士期间发表论文 | 第70页 |
