基于电流信号稀疏滤波的风电齿轮箱故障诊断

目录

声明

第 1 章 绪 论

1.1 课题背景及意义

1.2 风电齿轮箱故障诊断研究现状

1.3 基于电流信号的齿轮箱故障诊断方法研究现状

1.3.1 特征提取方法研究现状

1.3.2 无监督学习研究现状

1.3.3 研究现状小结

1.4 本文的主要研究内容

第 2 章 基于电流信号的齿轮箱故障检测原理及特征分析

2.1 引言

2.2 风电齿轮箱故障机理

2.2.1 齿轮常见故障类型

2.2.2 齿轮故障的产生原因

2.3 齿轮故障的电流信号检测原理

2.4 电流信号的包络解调

2.5 本章小结

第 3 章 基于稀疏滤波特征融合的齿轮箱故障诊断方法

3.1 引言

3.2 稀疏滤波

3.2.1 特征学习

3.2.2 稀疏滤波的特征分布

3.2.3 算法流程

3.2.4 稀疏滤波在故障诊断中的应用

3.3 基于稀疏滤波特征融合的故障诊断方法

3.3.1 样本获取

3.3.2 局部特征学习

3.3.3 特征融合和故障分类

3.4 实验分析

3.4.1 实验装置及实验数据

3.4.2 故障诊断结果

3.4.3 局部特征学习的作用

3.4.4 输入小样本段大小的影响

3.4.5 样本重叠划分的作用

3.4.6 与传统特征提取方法的比较

3.5 本章小结

第 4 章 基于多视角稀疏滤波的齿轮箱故障诊断方法

4.1 引言

4.2 多视角学习

4.3 MVSF特征学习方法

4.3.1 基于稀疏滤波的多视角特征学习策略

4.3.2 MVSF方法的优势

4.4 实验分析

4.4.1 MVSF方法的参数选择

4.4.2 故障诊断结果分析

4.4.3 局部特征学习的作用

4.4.4 与其他方法的比较

4.4.5 不同工况的齿轮箱故障诊断

4.5 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢