| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的目的和意义 | 第9页 |
| 1.3 风力发电技术的发展现状 | 第9-11页 |
| 1.4 风力发电机主轴承故障诊断方法研究现状 | 第11-13页 |
| 1.5 风力发电机主轴承退化状态预测方法研究现状 | 第13-14页 |
| 1.6 主要研究内容 | 第14-15页 |
| 第2章 基于小波包变换的降噪处理 | 第15-27页 |
| 2.1 风力发电机主轴承的特点 | 第15-16页 |
| 2.2 风力发电机主轴承失效形式及产生原因 | 第16页 |
| 2.3 小波分析的基本理论 | 第16-18页 |
| 2.3.1 信号的连续小波变换 | 第16-17页 |
| 2.3.2 信号的离散小波变换 | 第17页 |
| 2.3.3 信号的多分辨率分析 | 第17-18页 |
| 2.4 小波包分析 | 第18-20页 |
| 2.4.1 小波包空间分解 | 第18-19页 |
| 2.4.2 小波包定义 | 第19-20页 |
| 2.5 基于小波和小波包变换对信号的降噪处理 | 第20-26页 |
| 2.5.1 小波与小波包降噪的具体步骤 | 第20页 |
| 2.5.2 实验验证与分析 | 第20-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 基于改进LMD的故障特征提取方法 | 第27-48页 |
| 3.1 EMD的基本原理 | 第27-29页 |
| 3.1.1 固有模态函数(IMF) | 第27页 |
| 3.1.2 瞬时频率 | 第27页 |
| 3.1.3 经验模态分解的基本原理 | 第27-29页 |
| 3.1.4 Hilbert谱与Hilbert边际谱 | 第29页 |
| 3.2 LMD的基本原理 | 第29-33页 |
| 3.2.1 单分量信号和多分量信号 | 第29-30页 |
| 3.2.2 调幅信号与调频信号 | 第30-32页 |
| 3.2.3 LMD分解的基本原理 | 第32-33页 |
| 3.3 LMD与EMD方法的对比分析 | 第33-39页 |
| 3.4 改进的LMD与小波包降噪对特征参数的提取 | 第39-47页 |
| 3.4.1 改进的LMD方法的具体算法 | 第39-40页 |
| 3.4.2 实验验证与分析 | 第40-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于改进LMD-灰色模型对风机主轴承退化状态的预测 | 第48-63页 |
| 4.1 灰色系统模型 | 第48-52页 |
| 4.1.1 灰色系统理论 | 第48-50页 |
| 4.1.2 灰色预测模型的原理 | 第50-51页 |
| 4.1.3 灰色模型的检验 | 第51-52页 |
| 4.2 基于改进的LMD-GM预测方法 | 第52-57页 |
| 4.2.1 改进LMD-GM方法的具体步骤 | 第52-54页 |
| 4.2.2 实验仿真验证 | 第54-57页 |
| 4.3 风力发电机主轴承的退化状态的预测 | 第57-62页 |
| 4.3.1 实验数据来源 | 第57-58页 |
| 4.3.2 退化状态的预测 | 第58-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 结论 | 第63-65页 |
| 5.1 结论 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 在学研究成果 | 第69-70页 |
| 致谢 | 第70页 |