| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国内外风力发电的发展及趋势 | 第11-12页 |
| 1.2.2 风机故障预警的发展现状 | 第12-13页 |
| 1.3 本课题的主要研究内容 | 第13-14页 |
| 1.4 本文的主要结构 | 第14-16页 |
| 第2章 相关技术 | 第16-28页 |
| 2.1 实时数据库简介 | 第16-17页 |
| 2.1.1 PI数据库简介 | 第16-17页 |
| 2.2 决策树分类算法的介绍 | 第17-22页 |
| 2.2.1 决策树算法的基本思想 | 第18-22页 |
| 2.2.3 传统的统计方法 | 第22页 |
| 2.3 Spring MVC技术介绍 | 第22-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 风机故障预警系统的需求分析 | 第28-34页 |
| 3.1 生产指标分析 | 第28-29页 |
| 3.2 系统功能性需求分析 | 第29-31页 |
| 3.2.1 风机预警系统实时数据分析模型的需求与分析 | 第30页 |
| 3.2.2 故障预警信息模块的需求与分析 | 第30页 |
| 3.2.3 历史故障信息模块的需求与分析 | 第30-31页 |
| 3.2.4 预警跟踪模块的需求与分析 | 第31页 |
| 3.2.5 风机健康模型的需求与分析 | 第31页 |
| 3.3 平台非功能性需求分析 | 第31-33页 |
| 3.3.1 易用性需求 | 第31-32页 |
| 3.3.2 稳定性需求 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 风机故障预警系统的预测模型 | 第34-48页 |
| 4.1 风机故障原理分析 | 第34-36页 |
| 4.1.1 风机的运行原理 | 第34页 |
| 4.1.2 变桨类故障原理 | 第34-35页 |
| 4.1.3 齿轮箱类故障原理 | 第35页 |
| 4.1.4 发电机类故障原理 | 第35-36页 |
| 4.2 风机故障参数的筛选 | 第36-37页 |
| 4.3 基于决策树分类算法对相关参数的优化 | 第37-41页 |
| 4.3.1 数据清洗 | 第38-39页 |
| 4.3.2 参数的优化 | 第39-41页 |
| 4.4 基于决策树SVM多分类算法模型的构建 | 第41-47页 |
| 4.4.1 数据清洗 | 第41页 |
| 4.4.2 数据的归一化 | 第41-42页 |
| 4.4.3 基于风机故障各类之间分离性测度 | 第42-43页 |
| 4.4.4 基于风机多种故障决策树SVM多分类模型的创建 | 第43-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 风机故障预警系统的设计与实现 | 第48-68页 |
| 5.1 故障预测模型在系统中的设计与实现 | 第48-50页 |
| 5.2 风机预警系统平台架构 | 第50-53页 |
| 5.2.1 系统框架程序 | 第50-51页 |
| 5.2.2 系统分层设计 | 第51-53页 |
| 5.3 风机预警平台设计 | 第53-66页 |
| 5.3.1 故障预警信息模块的设计与实现 | 第54-58页 |
| 5.3.2 历史故障模块的设计与实现 | 第58-59页 |
| 5.3.3 预警跟踪模块的设计与实现 | 第59-62页 |
| 5.3.4 风机健康模型的设计和实现 | 第62-65页 |
| 5.3.5 风机模型配置的设计和实现 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第6章 风机故障预警测试 | 第68-70页 |
| 6.1 预警业务系统的性能测试 | 第68页 |
| 6.2 预警业务系统的复杂度分析 | 第68-69页 |
| 6.3 预警业务系统的代码复用率分析 | 第69页 |
| 6.4 稳定性及适配性测试 | 第69页 |
| 6.5 本章小结 | 第69-70页 |
| 第7章 总结与展望 | 第70-72页 |
| 7.1 工作总结 | 第70页 |
| 7.2 展望 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74页 |