声明
摘要
1.1 选题背景及意义
1.2 国内外研究现状及发展动态分析
1.2.1 风电机组的状态监测与故障诊断
1.2.2 信号稀疏分解的国内外研究现状
1.3 论文主要研究内容
第2章 信号稀疏分解的基本理论及实现
2.1 引言
2.2 信号的稀疏分解
2.2.1 信号的分解
2.2.2 正交分解
2.2.3 信号的稀疏分解定义
2.2.4 稀疏分解算法
2.3 过完备字典的构建
2.3.1 分析字典
2.3.2 学习字典
2.4 轴承信号稀疏分解仿真
2.4.1 滚动轴承故障特征频率
2.4.2 仿真信号描述
2.4.3 仿真信号稀疏分解
2.5 齿轮信号稀疏分解仿真
2.5.1 齿轮故障特征描述
2.5.2 齿轮分布型故障仿真信号稀疏分解
2.5.3 齿轮集中型故障仿真信号稀疏分解
2.5 本章小结
第3章 风电机组传动链故障信号稀疏分解
3.1 概述
3.2 双馈型风电机组传动链
3.2.1 传动链结构描述
3.2.2 传动链CMS描述
3.3 信号分析案例
3.3.1 案例一:齿轮箱振动
3.3.2 案例二:齿轮箱振动
3.3.3 案例三:发电机驱动端振动
3.3.4 案例四:发电机驱动端振动
3.3.5 案例五:发电机驱动端振动
3.4 本章小结
第4章 基于MED与稀疏分解相结合的分析方法
4.1 概述
4.2 最小熵解卷积
4.2.1 概述
4.2.2 最小熵解卷积方法及实现
4.2.3 MED参数选择
4.3 基于MED和稀疏分解结合的信号处理方案
4.3.1 MED滤波处理流程
4.3.2 MED与稀疏分解方法的诊断流程
4.4 仿真信号分析
4.5 风电机组实际信号故障分析
4.5.1 风电机组齿轮箱故障信号
4.5.2 风电机组发电机轴承故障信号
4.6 本章小结
第5章 基于稀疏分解的故障趋势分析
5.1 概述
5.2 特征提取方法描述
5.3 分析案例
5.3.1 对象描述
5.3.2 故障趋势数据描述
5.3.2 故障趋势数据特征提取效果
5.4 本章小结
第6章 结论与展望
6.1 结论
6.2 展望
参考文献
攻读硕士期间发表论文及其它成果
致谢