第一个书签之前
摘要
Abstract
第1章 绪论
1.1 课题研究背景和意义
1.2 风电机组故障诊断技术国内外研究现状
1.2.1 风电机组驱动链部件典型故障
1.2.2 风电机组驱动链部件的研究现状
1.3 本文主要工作
第2章 深度学习网络
2.1 深度自编码网络
2.1.1 预训练
2.1.2 参数调优
2.2 风电机组驱动链深度学习网络的改善
2.2.1 基于数据学习批次的模型改善
2.2.2 基于数据的在线学习的模型改善
2.2.3 基于数据量与异常数据剔除的模型改善
2.2.4 基于参数调优迭代周期的模型改善
2.3 本章小结
第3章 风电机组驱动链故障预测方法
3.1 引言
3.2 风电机组驱动链部件的异常检测指标
3.3 风电机组驱动链部件故障识别方法
3.4 风电机组驱动链的故障预测分析过程
3.5 本章小结
第4章 基于深度学习的风电机组驱动链故障预测分析
4.1 风电机组驱动链部件的数据选择与描述
4.2 基于深度学习网络的主轴承故障预测分析
4.2.1 基于指数加权移动平均值的阈值设定
4.2.2 正常状态下的主轴承DAE模型测试
4.2.3 故障状态下的主轴承DAE模型测试
4.3 基于深度学习的风电机组齿轮箱故障预测分析
4.3.1 自适应阈值设定
4.3.2 正常状态下的齿轮箱DAE模型测试
4.3.3 故障状态下的齿轮箱DAE模型测试
4.3.4 基于极值理论的自适应阈值设定
4.3.5 基于极值理论阈值的风电机组齿轮箱故障预测分析
4.4 基于深度学习的风电机组发电机故障预测分析
4.5 本章小结
第5章 结论与展望
5.1 结论
5.2 展望
参考文献
攻读硕士学位期间发表的论文
攻读硕士学位期间参加的科研工作
致谢