| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-18页 |
| ·研究背景 | 第8-10页 |
| ·研究的目的及意义 | 第10-11页 |
| ·研究现状 | 第11-15页 |
| ·国外智能故障诊断研究综述 | 第11-12页 |
| ·国内智能故障诊断研究综述 | 第12-14页 |
| ·国内外设备状态维修管理综述 | 第14-15页 |
| ·相关问题的界定 | 第15页 |
| ·研究的主要内容、研究思路和技术路线 | 第15-17页 |
| ·主要内容 | 第15-16页 |
| ·研究思路 | 第16页 |
| ·技术路线 | 第16-17页 |
| ·主要创新点 | 第17-18页 |
| 第2章 相关理论与方法 | 第18-27页 |
| ·设备状态维修管理理论 | 第18-21页 |
| ·设备状态维修的概述 | 第18页 |
| ·设备状态维修的方法 | 第18-21页 |
| ·因子分析方法简介 | 第21-22页 |
| ·因子分析方法原理 | 第21页 |
| ·因子分析方法步骤 | 第21-22页 |
| ·BP神经网络方法简介 | 第22-26页 |
| ·BP神经网络结构 | 第22-23页 |
| ·BP神经网络算法原理 | 第23-24页 |
| ·BP神经网络训练流程图 | 第24页 |
| ·BP神经网络的特点与存在的问题 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 SCADA系统风机运行状态数据的筛选与处理 | 第27-35页 |
| ·风电场SCADA系统简介 | 第27-28页 |
| ·数据处理对象与作用 | 第28-30页 |
| ·数据处理的对象 | 第28-29页 |
| ·数据处理的作用 | 第29-30页 |
| ·风机运行状态记录的选取 | 第30-33页 |
| ·影响风机发电量因素的预判分析 | 第30-31页 |
| ·数据验证 | 第31-33页 |
| ·数据标准化处理 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第4章 风机运行状态诊断模型的构建 | 第35-48页 |
| ·风电场SCADA系统中影响风机有功电量输出的因子分析 | 第35-40页 |
| ·KMO和球形Bartlett检验 | 第35-36页 |
| ·确定公共因子数量 | 第36-37页 |
| ·旋转并解释因子 | 第37-39页 |
| ·保存因子分析结果 | 第39-40页 |
| ·基于Matlab神经网络工具箱的网络模型设计 | 第40-46页 |
| ·确定模型训练样本 | 第40页 |
| ·BP网络结构的确定 | 第40-42页 |
| ·BP网络的仿真模型 | 第42-44页 |
| ·模型的检验与保存 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第5章 风机运行状态诊断模型的应用 | 第48-55页 |
| ·诊断模型在风机状态维修管理中的应用 | 第48-51页 |
| ·运用模型进行诊断 | 第48-49页 |
| ·诊断结果的验证 | 第49-51页 |
| ·基于诊断模型专家系统的概念设计 | 第51-54页 |
| ·基于模型专家系统简介 | 第51页 |
| ·风机运行状态诊断模型专家系统的总体结构设计 | 第51-52页 |
| ·风机运行状态诊断模型专家系统各功能模块概念设计 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| ·全文总结 | 第55-56页 |
| ·不足与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-64页 |