摘要5-6
Abstract6-9
第1章 绪论9-13
1.1 探讨背景和作用9-10
1.2 风电机组齿轮箱故障诊断技术的国内外近况与进展走势10-11
1.2.1 风电机组齿轮箱故障诊断技术的国内外近况10
1.2.2 风电机组齿轮箱故障诊断技术的进展走势10-11
1.3 论文的探讨思路与主要内容11-13
1.3.1 论文探讨思路11-12
1.3.2 论文的主要工作12-13
第2章 基于故障树浅析法的专家系统的故障诊断对策探讨13-26
2.1 风电机组齿轮箱故障13-16
2.1.1 齿轮故障13-14
2.1.2 轴承故障14-15
2.1.3 轴故障15
2.1.4 箱体故障15-16
2.1.5 紧固件故障16
2.1.6 油封故障16
2.2 风电机组齿轮箱故障树16-19
2.2.1 故障树浅析法16-17
2.2.2 风电机组齿轮箱故障树模型17-18
2.2.3 基于故障树浅析法的故障浅析18-19
2.3 故障知识库的构建19-23
2.3.1 知识的获取19-20
2.3.2 基于故障树的知识获取20
2.3.3 故障树知识生成诊断知识库20-23
2.4 故障推理机的确立23-25
2.4.1 推理方式23-24
2.4.2 分级存储方式下的推理24-25
2.5 基于故障树浅析法的专家系统故障诊断模型25
2.6 本章小结25-26
第3章 基于广义回归神经网络的故障诊断对策探讨26-39
3.1 振动信号的采集与预处理26-28
3.1.1 振动信号的采集26
3.1.2 振动信号的预处理26-28
3.2 风电机组齿轮箱振动信号特点参数选取28-32
3.2.1 时域特点参数的选取29-31
3.2.2 频域信号特点提取31-32
3.3 基于广义回归神经网络的故障诊断模型的建立32-35
3.3.1 广义回归神经网络32-34
3.3.2 基于广义回归神经网络的故障诊断模型34-35
3.4 基于广义回归神经网络的故障诊断35-38
3.4.1 数据处理35-36
3.4.2 广义回归神经网络的训练36-38
3.4.3 广义回归神经网络的测试38
3.5 本章小结38-39
第4章 系统设计与实现39-52
4.1 相关技术39-44
4.1.1 系统系统结构39-41
4.1.2 系统开发工具41-43
4.1.3 数据库的选择43-44
4.2 系统功能实现44-49
4.2.1 数据访问层的实现44-46
4.2.2 业务逻辑层的实现46-47
4.2.3 用户界面层的实现47-49
4.3 实例验证49-51
4.4 本章小结51-52
第5章 结论与展望52-53
5.1 结论52
5.2 展望52-53