风电机组传动系统大数据智能运维

本书从风电机组传动系统的智能运维角度出发，对风电机组传动系统构成、风电机组传动系统故障诊断的方法、微弱故障信号增强方法、微弱故障信号特征提取方法、故障诊断的浅层学习方法及基本理论、深度学习方法及基本理论、风电机组传动系统故障诊断系统的设计，进行了较系统的介绍和讨论。
本书可供从事风电机组传动系统测试、运维等方面工作的专业技术人员使用，也可作为高等院校机械相关专业研究生的参考教材。

吕中亮，博士，副教授，重庆科技学院机械与动力工程学院副院长。中国振动工程学会高级会员，中国自动化学会会员。主要擅长机械设备状态监测、设备运行与智能维护。主持重量项目1项，省部级重点以及一般项目5项；主研重量科研项目2项，省部级重点以及一般科研项目10余项，共承担科研经费300余万元。发表论文23篇，其中被SCI/EI收录14篇。申请专利15项，目前已授权9项。现从事低速重载设备状态监测、旋转机械故障诊断、数据挖掘等方面的教学与科研工作。 周传德，博士，教授，硕士生导师，重庆科技学院机械与动力工程学院院长, 机电测试与精密仪器研究所所长，信号处理与智能测试仪器科技创新团队负责人。2001年7月毕业于重庆大学机械工程与自动化专业，2003年6月获重庆大学机械电子工程硕士学位，2006年6月获得重庆大学机械电子工程博士学位，2012年英国肯特大学访问学者。近5年主持或主研“氢敏薄膜材料及其微型光纤传感器基础研究”、“微机械谐振式加速度传感器”、“基于行波电帘的太阳能电池板自清洁方法研究”等国家自然基金项目、863 计划项目、军工项目等8 项，“轴类零件多工位多参数检测仪”“基于机器视觉的V3D汽车四轮定位仪”等企业横向项目10 余项。获得国家科技二等奖1项，重庆市科技进步一等奖1 项，教育部科技进步一、二等奖各1 项，教育部发明奖一等奖1 项。以第一作者出版专著《科学计算可视化理论及智能虚拟显示系统》(科学出版社) 1 本，参著专著2 本，主编教材2本，发表论文40 余篇，其中SCI\EI 收录21篇，2008 年和2011 年分获重庆市第五届中青年骨干教师称号，重庆市首届青年教师资助计划。研究方向为机电传感器与机械测试，信号处理与智能科学仪器。

第1章 绪论
1.1 风电机组传动系统构成
1.2 风电机组传动系统智能运维的意义
1.3 风电机组传动系统故障诊断的方法与分类
1.3.1 基于定性知识经验的风电机组传动系统诊断
1.3.2 基于分析模型的风电机组传动系统诊断
1.3.3 基于数据驱动的风电机组传动系统诊断
第2章 风电机组传动系统微弱故障信号增强
2.1 共振解调故障增强方法
2.1.1 共振解调技术的原理及优点
2.1.2 共振解调的过程
2.1.3 希尔伯特(Hilbert)变换和包络分析
2.2 自适应优选相关峭度反卷积增强方法
2.2.1 最小熵解卷积原理
2.2.2 变步长网格搜索法
2.2.3 目标函数确定及参数优化
2.2.4 自适应优选相关峭度反卷积性能分析
2.3 多点很优最小熵反卷积增强方法
2.3.1 多点很优最小熵反卷积原理
2.3.2 MED和MOMEDA方法的实验
第3章 风电机组传动系统故障特征提取
3.1 时域和频域的特征提取方法
3.1.1 时域的特征指标集
3.1.2 频域的特征指标集
3.2 时频域特征提取方法
3.2.1 小波包分解
3.2.2 经验模态分解
3.2.3 变分模态分解方法及准则
3.2.4 自适应变分模态分解
3.2.5 局部均值分解
3.3 模糊熵特征集构建的实验验证
3.3.1 模糊熵的原理
3.3.2 模糊熵特征集构建的方法步骤及流程
3.3.3 试验台验证
第4章 风电机组传动系统早期故障辨识
4.1 浅层学习基本理论
4.1.1 人工神经网络
4.1.2 多核支持向量机算法
4.1.3 优选熵模型
4.2 深度学习基本理论
4.2.1 卷积神经网络
4.2.2 自动编码器
4.2.3 深度置信网络
4.3 小子样分析方法
第5章 风电机组传动系统故障诊断系统设计
5.1 系统的总体设计
5.1.1 系统的需求分析
5.1.2 系统的总体结构
5.2 系统功能的实现
5.2.1 前端采集设备选择
5.2.2 测点布置与传感器安装
5.2.3 监测系统软件功能实现
5.3 应用实例
参考文献