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。

　　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。主持国家项目1项，省部级重点以及一般项目5项；主研国家科研项目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）
1.1风电机组传动系统构成（2）
1.2风电机组传动系统智能运维的意义（3）
1.3风电机组传动系统故障诊断的方法与分类（5）
1.3.1基于定性知识经验的风电机组传动系统诊断（5）
1.3.2基于分析模型的风电机组传动系统诊断（6）
1.3.3基于数据驱动的风电机组传动系统诊断（7）
第2章风电机组传动系统微弱故障信号增强（13）
2.1共振解调故障增强方法（14）
2.1.1共振解调技术的原理及优点（14）
2.1.2共振解调的过程（14）
2.1.3希尔伯特（Hilbert）变换和包络分析（15）
2.2自适应最大相关峭度反卷积增强方法（16）
2.2.1最小熵解卷积原理（16）
2.2.2变步长网格搜索法（17）
2.2.3目标函数确定及参数优化（18）
2.2.4自适应最大相关峭度反卷积性能分析（19）
2.3多点最优最小熵反卷积增强方法（21）
2.3.1多点最优最小熵反卷积原理（21）
2.3.2MED和MOMEDA方法的实验（22）
第3章风电机组传动系统故障特征提取（29）
3.1时域和频域的特征提取方法（30）
3.1.1时域的特征指标集（30）
3.1.2频域的特征指标集（31）
3.2时频域特征提取方法（33）
3.2.1小波包分解（33）
3.2.2经验模态分解（35）
3.2.3变分模态分解方法及准则（41）
3.2.4自适应变分模态分解（43）
3.2.5局部均值分解（47）
3.3模糊熵特征集构建的实验验证（49）
3.3.1模糊熵的原理（49）
3.3.2模糊熵特征集构建的方法步骤及流程（50）
3.3.3试验台验证（51）
第4章风电机组传动系统早期故障辨识（55）
4.1浅层学习基本理论（57）
4.1.1人工神经网络（57）
4.1.2多核支持向量机算法（58）
4.1.3最大熵模型（62）
4.2深度学习基本理论（64）
4.2.1卷积神经网络（65）
4.2.2自动编码器（67）
4.2.3深度置信网络（69）
4.3小子样分析方法（71）
第5章风电机组传动系统故障诊断系统设计（73）
5.1系统的总体设计（74）
5.1.1系统的需求分析（74）
5.1.2系统的总体结构（75）
5.2系统功能的实现（76）
5.2.1前端采集设备选择（76）
5.2.2测点布置与传感器安装（77）
5.2.3监测系统软件功能实现（79）
5.3应用实例（87）
参考文献（90）