基于健康样本和趋势预测的风电机组齿轮箱健康状态评估方法的研究

声明

摘要

1．1 课题研究背景

1．2 课题研究的目的和意义

1．3 国内外研究现状

1．3．1 国内研究现状

1．3．2 国外研究现状

1．4 本文主要研究内容

1．5 论文安排

2．1 概述

2．2 数据统计技术

2．2．1 基于参数回归的概率分布函数

2．2．2 基于非参数回归的概率分布函数

2．3 数据归约技术

2．4 数据聚类技术

2．5 算例分析-运用数据挖掘技术处理监测数据

2．6 本章小结

第3章 GA．BP神经网络模型

3．1 BP神经网络基础理论

3．2 BP神经网络基本算法

3．3 遗传优化算法

3．3．1 遗传算法概述

3．3．2 遗传算法基本思想及流程

3．3．3 遗传算法特点

3．4 遗传算法改进神经网络

3．5 建立健康样本神经网络模型

3．5．1 GA．BP与传统BP神经网络对比

3．5．2 算例分析-健康样本神经网络模型

3．6 本章小结

第4章 模糊综合评价模型

4．1 模糊综合评价概述

4．2 趋势预测与劣化度函数

4．3 隶属函数

4．3．1 确定隶属函数的方法

4．3．2 常用的隶属函数

4．4 灰色关联分析

4．4．1 灰色关联分析概述

4．4．2 算例分析

4．5 建立模糊综合评价模型

4．5．1 健康状态评价流程

4．5．2 评价模型建立

4．5．3 综合评价

4．6 本章小结

第5章 整机评价

5．1 实时状体评估方法

5．1．1 建立机组运行状态评估体系

5．1．2 实时状态评估流程

5．2 算例与分析

5．3 本章小结

6．1 总结

6．2 展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢