| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题的背景及研究意义 | 第10-12页 |
| 1.2 风电机组齿轮箱故障诊断方法综述 | 第12-17页 |
| 1.2.1 基于振动信号分析的故障诊断 | 第12-15页 |
| 1.2.2 基于油液信号分析的故障诊断 | 第15-16页 |
| 1.2.3 基于声信号分析的故障诊断 | 第16页 |
| 1.2.4 基于SCADA监控系统运行参数分析的故障诊断 | 第16-17页 |
| 1.3 风电机组齿轮箱故障振动分析诊断难点 | 第17页 |
| 1.4 本文的主要工作 | 第17-18页 |
| 第2章 风电齿轮箱振动分析 | 第18-28页 |
| 2.1 齿轮箱零部件常见失效形式 | 第18-20页 |
| 2.2 齿轮的振动信号模型分析 | 第20-22页 |
| 2.2.1 齿轮振动机理分析 | 第20-21页 |
| 2.2.2 齿轮啮合频率及啮合频率调制现象 | 第21-22页 |
| 2.2.3 齿轮固有频率 | 第22页 |
| 2.3 滚动轴承故障特征频率 | 第22-23页 |
| 2.4 齿轮箱典型故障的振动信号特征 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 风电机组齿轮箱故障预警研究 | 第28-37页 |
| 3.1 引言 | 第28页 |
| 3.2 基于支持向量回归和正态分布理论的故障预警方法 | 第28-36页 |
| 3.2.1 支持向量回归理论 | 第28-30页 |
| 3.2.2 正态分布理论 | 第30-31页 |
| 3.2.3 实例分析 | 第31-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 基于自适应CEEMD和排列熵的风电机组齿轮箱故障诊断 | 第37-56页 |
| 4.1 引言 | 第37页 |
| 4.2 CEEMD方法及参数选择 | 第37-41页 |
| 4.2.1 EMD方法和EEMD方法 | 第37-39页 |
| 4.2.2 CEEMD方法 | 第39-40页 |
| 4.2.3 CEEMD参数选择 | 第40-41页 |
| 4.3 排列熵算法 | 第41-43页 |
| 4.3.1 排列熵的定义 | 第41-42页 |
| 4.3.2 排列熵的参数选择 | 第42-43页 |
| 4.4 小波阈值降噪 | 第43-44页 |
| 4.5 仿真验证 | 第44-47页 |
| 4.6 实例分析 | 第47-55页 |
| 4.6.1 时域信号实例分析 | 第47-51页 |
| 4.6.2 角度域信号实例分析 | 第51-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第5章 结论与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第60-61页 |
| 致谢 | 第61页 |
