| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外相关技术研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文结构以及研究内容 | 第12-14页 |
| 第2章 故障特征提取基本原理 | 第14-29页 |
| 2.1 小波变换理论基础 | 第14-17页 |
| 2.1.1 连续小波变换 | 第14-15页 |
| 2.1.2 离散小波变换 | 第15-16页 |
| 2.1.3 多分辨分析与 Mallat 算法 | 第16-17页 |
| 2.2 小波包分析 | 第17-18页 |
| 2.3 HHT 基本原理与算法 | 第18-28页 |
| 2.3.1 瞬时频率概念 | 第19-20页 |
| 2.3.2 本征模态函数 | 第20-21页 |
| 2.3.3 EMD 算法 | 第21-24页 |
| 2.3.4 EMD 方法的特点 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 故障特征提取算法 | 第29-38页 |
| 3.1 小波分析提取故障特征 | 第29-32页 |
| 3.1.1 小波分析故障特征提取算法 | 第29页 |
| 3.1.2 程序设计及应用实例 | 第29-32页 |
| 3.2 小波包变换提取故障特征 | 第32-35页 |
| 3.2.1 小波包变换故障特征提取算法 | 第32-33页 |
| 3.2.2 程序设计及应用实例 | 第33-35页 |
| 3.3 HHT 提取故障特征 | 第35-37页 |
| 3.3.1 HHT 提取故障特征算法 | 第35-36页 |
| 3.3.2 程序设计及应用实例 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于 SVM 的故障诊断方法 | 第38-42页 |
| 4.1 C-SVM 二分类算法 | 第38-39页 |
| 4.2 V-SVM 二分类算法 | 第39页 |
| 4.3 最小二乘支持向量机（least-square SVM）算法 | 第39-40页 |
| 4.4 构建 LS-SVM 故障诊断模型 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 风力发电机组故障诊断研究 | 第42-48页 |
| 5.1 构建风机故障样本 | 第42-45页 |
| 5.1.1 小波分析提取故障特征 | 第43-44页 |
| 5.1.2 小波包分析法提取故障特征 | 第44页 |
| 5.1.3 HHT 方法提取故障特征 | 第44-45页 |
| 5.2 风机故障诊断 | 第45-47页 |
| 5.3 本章小结 | 第47-48页 |
| 第6章 结论与展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的论文情况及其他成果 | 第52-53页 |
| 致谢 | 第53页 |