| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 选题背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 国外研究现状 | 第13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 风力发电状态监测研究方法 | 第14页 |
| 1.3 课题研究的主要内容 | 第14-15页 |
| 1.4 论文的组织安排 | 第15-16页 |
| 第2章 相关技术 | 第16-24页 |
| 2.1 风力发电机的结构原理介绍 | 第16-17页 |
| 2.2 Spark云计算平台 | 第17-21页 |
| 2.2.1 Spark简介 | 第17页 |
| 2.2.2 Spark部署方式 | 第17-20页 |
| 2.2.3 Spark的优势 | 第20-21页 |
| 2.3 花朵授粉算法 | 第21-23页 |
| 2.3.1 花朵授粉算法原理 | 第21-23页 |
| 2.3.2 花朵授粉算法特点 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 改进花授粉—小波神经网络算法设计 | 第24-35页 |
| 3.1 风力发电机SCADA监测参数 | 第24页 |
| 3.2 小波神经网络简介 | 第24-28页 |
| 3.2.1 小波变换 | 第24-26页 |
| 3.2.2 小波神经网络结构 | 第26-27页 |
| 3.2.3 小波神经网络算法描述 | 第27-28页 |
| 3.2.4 小波神经网络存在的问题 | 第28页 |
| 3.3 小波神经网络模型设计 | 第28-30页 |
| 3.3.1 输入层 | 第28-29页 |
| 3.3.2 隐含层 | 第29页 |
| 3.3.3 输出层 | 第29-30页 |
| 3.4 改进花授粉-小波神经网络算法设计 | 第30-34页 |
| 3.4.1 算法设计思想 | 第30页 |
| 3.4.2 花朵授粉算法种群粒子设计 | 第30页 |
| 3.4.3 花朵授粉算法的改进 | 第30-32页 |
| 3.4.4 改进花授粉-小波神经网络算法设计 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于S-CTDMFPA-WNN的风力发电机状态监测算法设计 | 第35-43页 |
| 4.1 改进花授粉-小波神经网络并行化设计 | 第35-39页 |
| 4.1.1 改进花授粉-小波神经网络算法的不足 | 第35页 |
| 4.1.2 花朵授粉算法并行化 | 第35-37页 |
| 4.1.3 S-CTDMFPA-WNN算法设计 | 第37-39页 |
| 4.2 基于S-CTDMFPA-WNN的发电机状态监测方法 | 第39-42页 |
| 4.2.1 风力发电机监测方法思想 | 第39-40页 |
| 4.2.2 温度残差分析方法 | 第40页 |
| 4.2.3 基于S-CTDMFPA-WNN的发电机状态监测方法 | 第40-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第5章 实验测试与算法分析 | 第43-50页 |
| 5.1 实验环境搭建 | 第43-45页 |
| 5.2 数据集预处理 | 第45-46页 |
| 5.3 CITDMFPA-WNN算法性能测试与分析 | 第46-47页 |
| 5.4 发电机状态监测方法验证 | 第47-48页 |
| 5.5 并行化性能分析 | 第48-49页 |
| 5.6 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 本论文的主要工作 | 第50-51页 |
| 6.2 对未来工作的展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |
