风电机组齿轮箱故障趋势预测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·风电机组齿轮箱发展现状 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·诊断分析方法研究现状 | 第13-14页 |
| ·趋势预测方法研究现状 | 第14-16页 |
| ·论文主要研究内容 | 第16-18页 |
| ·主要研究工作 | 第16页 |
| ·本文结构 | 第16-18页 |
| 第二章 风电机组齿轮箱失效模式与故障类型 | 第18-34页 |
| ·风电机组齿轮箱结构 | 第18-19页 |
| ·齿轮箱失效模式 | 第19-23页 |
| ·疲劳模式 | 第19-20页 |
| ·磨损模式 | 第20-21页 |
| ·过载模式 | 第21-22页 |
| ·腐蚀模式 | 第22-23页 |
| ·典型故障类型 | 第23-28页 |
| ·齿轮故障 | 第23-25页 |
| ·轴承故障 | 第25-26页 |
| ·轴系故障 | 第26-28页 |
| ·齿轮故障实例与仿真 | 第28-34页 |
| ·齿轮振动机理 | 第28-29页 |
| ·齿轮故障实例—断齿 | 第29-31页 |
| ·故障仿真案例—齿轮分布式点蚀故障 | 第31-34页 |
| 第三章 故障趋势预测研究方法 | 第34-42页 |
| ·预测理论介绍 | 第34页 |
| ·趋势预测前提假设 | 第34-36页 |
| ·趋势预测流程 | 第36-42页 |
| ·信号采集 | 第36页 |
| ·信号处理与特征值提取 | 第36-37页 |
| ·主分量分析 | 第37-38页 |
| ·数据预测 | 第38页 |
| ·振动阈值设定 | 第38-39页 |
| ·故障诊断与模型匹配 | 第39-40页 |
| ·基于模型的故障趋势预测 | 第40页 |
| ·剩余寿命估算 | 第40-42页 |
| 第四章 基于数据的趋势预测方法 | 第42-68页 |
| ·时间序列预测方法 | 第43-50页 |
| ·概述 | 第43-45页 |
| ·ARMA模型 | 第45-47页 |
| ·预测步骤 | 第47页 |
| ·实例分析 | 第47-50页 |
| ·BP神经网络预测模型 | 第50-59页 |
| ·概述 | 第50页 |
| ·BP模型 | 第50-52页 |
| ·预测步骤 | 第52-53页 |
| ·实例分析 | 第53-59页 |
| ·灰色预测模型 | 第59-64页 |
| ·概述 | 第59-60页 |
| ·GM(1,1)模型 | 第60-62页 |
| ·预测步骤 | 第62-63页 |
| ·实例分析 | 第63-64页 |
| ·实例故障信号验证 | 第64-66页 |
| ·不同预测方法的预测结果 | 第64-65页 |
| ·阈值设定 | 第65页 |
| ·剩余寿命 | 第65-66页 |
| ·小结 | 第66-68页 |
| 第五章 基于疲劳失效模型的趋势预测方法 | 第68-78页 |
| ·概述 | 第68-70页 |
| ·理论介绍 | 第70-72页 |
| ·预测步骤 | 第72-75页 |
| ·实例分析 | 第75-77页 |
| ·小结 | 第77-78页 |
| 第六章 结论与展望 | 第78-80页 |
| ·结论 | 第78页 |
| ·展望 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 附录1 典型故障类型特征一览表 | 第85-86页 |
| 附录2 几种著名的神经网络 | 第86-87页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第87-88页 |
| 攻读硕士学位期间参加的科研工作 | 第88-89页 |
| 致谢 | 第89页 |
