风力发电机组非参数模型状态监测关键问题研究硕士学位论文

合集下载

基于神经网络的风力发电机组状态监测的研究

34
5
连续属性离散化
连续属性的离散化是知识获取中数据预处理的一项重要内容。粗糙集理论处理的对象必须是离散的，如车的重量分为超重、中等、轻，可以分别用三个值或符号来表示，它不能直接处理连续属性，如浮点型数据。连续属性离散化的根本出发点是在保证离散化前后决策信息未丢失的前提下，用尽可能少的断点将属性空间划分成尽可能少的子空间，这也是离散化算法追求的目标。
4
二、基于BP神经网络的风机状态监测模型
• 采用BP神经网络模型来对发电机的温度进行预测，并利用滑动窗口对残差进行分析。在风力发电机组非参数预测模型的残差统计方法中，合适的滑动窗口能够消除由于测量误差，机组启停等偶然因素造成的孤立的较大残差的影响。本文详细分析了滑动窗口残差统计的方法及原理，指出了滑动窗口具有能够抑制孤立异常残差的作用，并利用BP预测模型加以验证。
与现有具有代表性的路由协议进行分析比较其消息传输成功率，平均时延、平均路数、消息副本数等
32
根据风电机组的工作原理，采用BP神经网络理论建模并进行故障诊断研究。输入变量集选取方面，利用遗传算法全局并行寻优能力的优点，将其与粗糙集结合起来使用。再通过滑动窗口对残差进行分析，保证了非参数模型有较高的建模精度，提高了故障诊断的精度。
姓名：宋谷月导师： 2013.3.15
1
1 2
研究背景
研究内容
基于粗糙集和遗传算法的属性约简基于BP神经网络的风机状态监测模型
3
4
5
6
本课题创新点
工作展望
2
风电机组状态监测的必要性
• 风力发电厂检修、运维费用的增加，使得风场总体收入下滑，直接影响了世界各国对风力发电行业的投资比例。因此，实时了解风电机组各部件的运行状态，及时发现各部件的异常情况和故障隐患具有重要意义。

风力发电机状态监测与故障诊断技术研究

风力发电机状态监测与故障诊断技术研究【摘要】风力发电机的状态监测与故障诊断技术是提高风力发电系统稳定性和可靠性的关键。

本文首先介绍了这项技术的重要性和研究背景，然后对风力发电机状态监测技术和故障诊断技术进行了综述，探讨了它们在实际应用中的重要性与价值。

结合技术研究与发展趋势，提出了一些展望未来研究方向的建议。

本文旨在强调风力发电机状态监测与故障诊断技术对风力发电系统运行效率和稳定性的重要性，为相关研究提供参考和启示。

【关键词】风力发电机，状态监测，故障诊断，技术研究，风力发电，应用，发展趋势，重要性，研究背景，意义，未来研究方向，总结，建议1. 引言1.1 风力发电机状态监测与故障诊断技术砠究的重要性风力发电机是一种重要的可再生能源发电设备，但是在运行过程中可能会出现各种故障，影响发电效率和设备寿命。

对风力发电机的状态进行及时监测和故障诊断显得至关重要。

状态监测可以帮助运维人员实时了解设备运行状态，预防故障的发生，提高发电效率和运行安全性。

故障诊断技术可以帮助快速准确地定位故障原因，缩短维修时间，降低维修成本。

通过状态监测与故障诊断技术研究，可以不断改进监测方法和诊断算法，提高监测的准确性和故障定位的精确度，实现对风力发电机的全面监控和智能化管理。

这不仅能够提高风力发电机的运行效率和可靠性，降低维护成本，还能够推动风电产业的发展，促进清洁能源的使用，对保护环境和促进可持续发展具有重要意义。

风力发电机状态监测与故障诊断技术的研究具有重要的现实意义和深远影响。

1.2 研究背景与意义风力发电机故障诊断技术的研究意义在于提高故障诊断的准确性和效率。

及早发现故障并采取措施修复，能够避免故障进一步恶化，减少损失，保障风力发电机的稳定运行。

风力发电机状态监测与故障诊断技术的研究是当今能源研究领域的热点之一，对提高风力发电机运行效率、延长设备寿命、降低维护成本具有重要意义。

随着清洁能源的发展和应用范围的不断扩大，风力发电机状态监测与故障诊断技术的研究将会更加受到重视，对推进清洁能源产业的发展起到积极作用。

风力发电机组状态监测系统研究

ｃｎｒｄｃｈａｌａｄｈｌｏｅａｏｔｋｅｉｉｎ．Ｉｓｓｖｂａｉｎｉｎｌｒｍｅｒｏｅｎｗｎａｍｓａｐｅｉｔｔｅｆｕｔｎｅｐｐｒｔｒｏｍａｅｄｃｓｓｔｅｉｒｔｏｓａｓｆｓｓｏｕｇｏｇａｂｘｓｉｉｄｆｒ
ｈｓｂｅｕｎｏｕｅａｄｔｅｖｉｉｎｈｃｕａｙｈｖｅｎｐｏｅ．ａｅｎｐｔｉｔｓ，ｎｈａｄｔａｄｔｅａｃｒｃａｅｂｅｒｖｄｌｙ
Ｋｅｒｓ：ｎｕｂｎｅｅａｏｙｔｍ；ｏｄｔｎｍｏｉｒｇｆｈｄａｏｉ；ｍｂｄｅｃｏｒｃｓｏ；ｉｒｔｎｙｗｏｄｗｉｄｔｒｉｅｇｎｒｔｒｓｓｅｃｎｉｏｎｔｉ；ｉｏｎａｉｇｓｓｅｅｄｄｍｉｒｐｏｅｓｒｖｂａｉｎｎｏ
中图分类号：Ｈ１５．Ｔ６＋３文献标志码：Ａ
ＲｅｅｒｈｎＣｏｄｔｏｏｉｏｉＳｓｅｏｉｓａｃｏｎｉｉｎＭｎｔｒｎｇｙｔｍｆＷｎｄＴｕｒｉｂｎｅ
ＬＹｕ —ａｇ，ＶｅｇｎＧＵＡＮＸｉｏｈｉＬＵｕ－ｈｎａ—ｕ，ＩＪｎｃｅｇ
ａｈｉｎｌｓｕｃｃｎｕｔｉａｎｌｓｓｔａｌｄｄｔｔｅｆｄｖｌｐｄｅｅｄｄｍｉｒｐｏｅｓｒａｄｍｏ — ｓｔｅｓｇａｏｒｅ，ｏｄｃｓｓｇｌａａｙｉｏｓｍｐｅａａｗｉｓｌｅｅｏｅｍｂｄｅｃｏｒｃｓｏ，Ｂｎｈ－ｎｉｒｈｐｒｔｇｐｒｍｅｅｓｏｉｅｔｒｕｈｒｍｏｅｃｍｐｔｒ；ｉｈｉｅ－ｕｉｎｔｒｇｓｓｅｔｅｏｅａｏｓｔｓｔｅｏｅａｉａａｔｒｎｌｈｏｇｅｔｏｕｅｓｗｔｔｅｖｄｏａｄｏｍｏｉｉｙｔｍ，ｈｐｒｔｒｏｎｎｈｏｎｃｎｇｔｔｅｃｍｐｅｅｓｖｒａ－ｉｒｍｏｅｍｏｉｒｇｏｈｐｒｔｇｓａｕｈｗｎｕｂｎ．Ｎｗｈｙｔｍａｅｈｏｒｈｎｉｅ，ｌｔｅｍｅｅｔｎｔｉｆｔｅｏｅａｉｔｔｓｏｔｅｉｄｔｒｉｅｏｔｅｓｓｅｏｎｎｆ

风力发电机状态监测和故障诊断技术的研究与进展

风力发电机状态监测和故障诊断技术的研究与进展作者：杨明洙来源：《中小企业管理与科技·上中下旬刊》 2015年第4期杨明洙（大唐新能源山东公司花园风电场）摘要院风力发电机状态监测能够及时发现与处理潜在的故障，从而降低风力发电机因为故障而导致的停工。

本文结合实践工作经验，对风力发电机状态监测和对各种故障的诊断技术进行深入的研究。

关键词院风力发电机监测故障诊断随着环境的日益恶化，作为绿色能源的风能，其被广泛的应用与发电行业，风力发电机技术已经成为当前世界各国研究的热点。

由于风场位于环境恶劣的偏远地区，使得风力发电机发生故障的位置比较复杂，对风力发电机运行状态的监测工作造成很大的困难。

因此为降低风力发电机的故障发生率，需要大力发展状态监测与故障诊断技术。

1 风力发电机组的故障特点本单位的风力发电机机型是联合动力UP86-1500，由于其属于刚投产使用，因此故障的发生率不高，但是为了以后的工作，本文主要针对该机型状态监测及故障诊断技术进行分析。

风力发电机首先将风能通过风轮转换为机械能，再通过主轴、齿轮箱等将机械能转化为电能，进而实现风力发电。

一般风力发电机的运行环境比较恶劣，因此其故障的发生率也是比较多的，根据相关资料表明：风力发电机组的典型故障主要集中在齿轮箱、发电机、叶片、电气系统等部位。

针对不同的故障部件和故障特征，采取合适的故障诊断方法是有效实施状态监测和故障诊断技术的保证。

2 状态监测与故障诊断系统的基本结构风力发电机状态监测与故障诊断技术主要是利用现代计算机控制系统，将信号采集、在线监测以及信号分析等融为一体的监测分析系统。

通过对风力发电机的振动、温度以及压力等数值的监测结果与预定的数值进行对比，以此能够及时的掌握风力发电机的运行情况，并且可以根据计算机信息采集系统收集到的数值进行分析，根据计算机的自动分析准确的分析出风力发电机设备的故障。

风力发电机状态监测与故障诊断主要的功能就是收集信号-处理信号- 分析信号- 判断信号- 诊断结果。

风力发电机状态监测和故障诊断技术的研究与进展

风力发电机状态监测和故障诊断技术的研究与进展摘要：在清洁能源领域中，风力发电是一个十分重要的内容。

不过虽然近年来风电装备快速发展，但是始终没有建立有效的监测诊断方法。

随着技术水平的进步，风力发电机无论是规模还是装机容量上都实现了很大的扩展，但是基于振动监测的风力发电机在线诊断系统，却存在较大的空缺。

由于事故的频繁发生和运行维护费用的增加，对风电经济效益造成了很大的影响。

所以，应在明确风力发电机发展现状的基础上，分析其故障特点及诊断难点，进而提出风力发电机状态监测和故障诊断技术，为风电事业的发展提供保障。

关键词：风力发电机；状态监测；故障诊断技术；研究进展前言：世界各国都面临着日益严峻的环境污染和能源危机问题，在这样的背景下，发展清洁能源、绿色能源、可再生能源已经刻不容缓风力发电是我国重点发展的清洁能源产业，为我国提供了丰富的清洁能源。

而在风电快速发展的同时，由于高昂的运行维护成本和较大的维护维修难度，导致对风力发电机的状态监测及故障诊断工作并不完善。

各类事故的频繁发生，也对风电经济效益造成了很大的损失。

所以，对风力发电机状态监测和故障诊断技术的研究，具有重要的意义和价值。

一、风力发电机的发展现状风能是当前最重要的可再生清洁能源，全球范围内的风能总量约在2.74×109MW，其中可利用风能约为2×107MW，远高于水能。

我国国土面积较大，海岸线较长，拥有丰富的风能资源，具有广阔的开发和利用前景。

有研究显示，我国陆上离地10米高度的总风能资源储量约为4.35×106MW，技术可开发量在2.97×105MW，海上10米高度可开发利用风能在7.5×105MW。

由于风能储量巨大，因而为我国风电事业的发展提供了良好的条件。

风力发电机是开发利用风能的主要设备，近年来在全球范围内都得到了广泛的发展。

我国的风力发电研究，是在20世纪50年代之后开始的，目前我国也成为了世界上新增装机容量增长最快的国家，风力发电也已经成为了解决能源问题的一个重要举措。

关于风力发电机状态监测和故障诊断技术的研究与进展

关于风力发电机状态监测和故障诊断技术的研究与进展风力发电机是利用风能转化为电能的设备，其具有环保、可再生、低成本等优点，因此在能源领域发挥着重要作用。

风力发电机在运行过程中也面临着诸多挑战，如设备老化、故障频发、维护困难等问题。

为了保障风力发电机的安全、稳定运行，监测和诊断风力发电机状态、预测故障成为当前研究的热点之一。

一、风力发电机状态监测技术的研究在风力发电机状态监测技术的研究中，主要包括振动监测、声发射监测、温度监测、电流电压监测等多种手段。

这些监测手段可以通过传感器对风力发电机进行实时监测，采集大量数据，并结合数据处理和分析技术，实现对风力发电机状态的全面了解。

1.振动监测技术振动监测技术是一种常用的状态监测手段，通过安装振动传感器在风力发电机的关键部位，监测设备的振动情况，可以实时获取设备的振动频率、幅值等参数。

通过对振动数据的分析，可以了解到设备的运行状态、转子不平衡、轴承磨损等问题，为故障诊断提供重要依据。

2.声发射监测技术声发射监测技术是通过监测风力发电机在运行过程中产生的声音信号，从而获取设备的运行状态。

声发射监测可以检测到设备中的裂纹、磨损、疲劳等问题，是一种非常有效的状态监测手段。

温度监测技术通过安装温度传感器监测设备的温度变化，可以及时发现设备的过热问题，预防设备发生故障。

温度监测技术还可以帮助优化设备的运行参数，提高发电效率。

4.电流电压监测技术电流电压监测技术通过监测设备的电流、电压变化，可以了解设备的工作状态，发现设备的电气问题，预防设备发生短路、过载等故障。

以上监测技术中，振动监测、声发射监测等技术已经在风力发电机状态监测中得到了广泛应用，为设备的安全运行提供了重要支持。

风力发电机在运行过程中难免会出现各种故障，及时准确地诊断故障对于设备的安全运行至关重要。

风力发电机故障诊断技术的研究备受关注，主要包括基于数据驱动的故障诊断技术和基于物理模型的故障诊断技术。

1.基于数据驱动的故障诊断技术基于数据驱动的故障诊断技术是利用传感器采集的数据，通过数据处理和分析技术，构建故障诊断模型，实现对设备故障的诊断。

风力发电机组状态监测方法研究

风力发电机组状态监测方法研究一、引言随着环保意识的增强和能源危机的日益加剧，风力发电成为一种绿色、可再生的能源形式备受关注。

而在风力发电中，风力发电机组是整个系统的核心，其状态的稳定性和可靠性直接影响发电效率和维护费用。

因此，风力发电机组状态监测成为提升风力发电效率和降低维护成本的必要手段。

二、风力发电机组状态监测方法的发展历程风力发电机组状态监测方法的发展经历了以下几个阶段：1.传统监测方法传统的风力发电机组状态监测主要依赖人工巡检和手动记录的方式，这种方式依靠人工经验和感官判断，存在诸多问题。

比如，人工巡检成本高、效率低，无法实时监测机组状态变化。

2.基于模型的监测方法基于模型的监测方法是指：通过对机组运行状态建立数学模型，实现对机组状态的模拟和监测。

该方法的优势在于可以通过对模型参数变化的监测和分析，预测机组故障，从而实现故障预测和预防，有效降低维修成本。

3.基于传感器的监测方法基于传感器的监测方法是指：通过安装各种传感器设备，实时监测机组振动、温度、气压、电压等参数，并将数据传输至监控系统，实现对机组状态的全程监控。

该方法特别适用于大型风力发电机组的监测。

4.基于大数据的监测方法基于大数据的监测方法是指：通过对机组状态数据的收集、处理和分析，建立机器学习模型，实现对机组状态的自动化监测和分析。

该方法的优势在于可以通过大量数据的分析，挖掘出潜在故障和问题，提高机组性能和生产效率。

三、风力发电机组状态监测方法的关键技术1.传感器技术传感器技术是风力发电机组状态监测的基础。

目前主流的监测解决方案都需要安装传感器设备，实时监测机组振动、温度、气压、电压等参数，从而了解机组运行状态。

2.数据处理技术数据处理技术是风力发电机组状态监测的核心。

目前主流的监测解决方案都需要采集大量的机组状态数据，并通过处理和分析，进行机器学习模型的训练。

常见的数据处理技术包括数据清洗、特征工程、机器学习和深度学习等。

3.智能分析技术智能分析技术是风力发电机组状态监测的关键环节。

基于模型的风能发电机组运行状态监测及故障诊断

基于模型的风能发电机组运行状态监测及故障诊断风能发电作为可再生能源的重要来源之一，在能源转型中具有重要的地位。

然而，在风能发电的运行过程中，可能会出现各种问题，如运行状态异常，故障等，给风电运营商带来不必要的损失。

因此，基于模型的风能发电机组运行状态监测及故障诊断技术的研究具有重要的意义和实际应用价值。

一、风能发电机组运行状态监测技术目前，风能发电机组的状态监测技术主要包括物理监测和基于模型的监测两种。

物理监测主要是通过监测和记录机组的运行数据，包括振动、温度、电流、电压、风速等关键参数，根据这些数据分析机组的运行状态。

这种方法简单易行，但存在难以提取有用信息和对数据进行分析的难度等问题。

基于模型的监测是通过构建机组的运行状态和性能的数学模型，实现对机组状态的在线监测和评估。

该方法可以帮助用户了解机组的实时运行状态，并及时发现和处理异常情况，提高机组的可靠性和运行效率。

二、基于模型的风能发电机组故障诊断技术随着风能发电机组的不断升级和技术的发展，利用模型进行故障诊断已成为解决机组故障的有效手段。

这种方法利用风能机组的确切参数和方程来描述风能机组的动态特性，对风能机组的故障进行分类、定义和判断。

目前，常见的基于模型的风能发电机组故障诊断技术主要有故障模式识别和故障仿真两种方法。

故障模式识别是一种常用的故障诊断技术，它利用机器学习算法来识别风能机组的故障模式，并生成相应的故障诊断报告。

该方法不仅可以提高故障的诊断准确度，而且可以加速故障处理的响应速度。

故障仿真是一种基于模型的故障诊断方法，它可以帮助用户在安全环境下进行故障分析和诊断，并生成与故障相关的仿真图。

这种方法可以帮助用户更好地理解机组在故障情况下的运行特点和性能，并制定相应的故障处理方案。

三、模型建立和参数辨识基于模型的风能发电机组监测和故障诊断技术的有效性取决于模型的准确性和参数的可辨识性。

因此，在建立相应的模型之前，需要进行一系列实验和数学分析，确定机组的动态特性和关键参数，包括机械振动模型和电气模型等。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

硕士学位论文风力发电机组非参数模型状态监测关键问题研究Research on Non-parameter Model Condition Monitoring of Wind Power Unit国内图书分类号：TM614 学校代码：10079 国际图书分类号：621.3 密级：公开工学硕士学位论文风力发电机组非参数模型状态监测关键问题研究硕士研究生：导师：申请学位：工学硕士学科：控制科学与工程专业：检测技术与自动化装置所在学院：控制与计算机学院答辩日期：授予学位单位：华北电力大学U.D.C: 621.3Dissertation for the Master Degree in EngineeringResearch on Non-parameter Model ConditionMonitoring of Wind Power UnitCandidate：Supervisor：Academic Degree Applied for：Master of EngineeringSpeciality：Detection technology and automationequipmentSchool：School of Control and ComputerEngineeringDate of Defence：Degree-Conferring-Institution：North China Electric Power University风力发电机组非参数模型状态监测关键问题研究华北电力大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《风力发电机组非参数模型状态监测关键问题研究》，是本人在导师指导下，在华北电力大学攻读硕士学位期间独立进行研究工作所取得的成果。

据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。

对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。

本声明的法律结果将完全由本人承担。

作者签名：日期：年月日华北电力大学硕士学位论文使用授权书《风力发电机组非参数模型状态监测关键问题研究》系本人在华北电力大学攻读硕士学位期间在导师指导下完成的硕士学位论文。

本论文的研究成果归华北电力大学所有，本论文的研究内容不得以其它单位的名义发表。

本人完全了解华北电力大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅，学校可以为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。

本人授权华北电力大学，可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。

本学位论文属于(请在以上相应方框内打“√”)：保密□，在年解密后适用本授权书不保密□作者签名：日期：年月日导师签名：日期：年月日摘要风力发电作为一种清洁的可再生能源利用方式，近年来在世界范围内获得了飞速的发展，其中风力发电机组大型设备状态监测成为风电研究领域的重要组成部分。

本文在近几年国内外关于风电机组状态监测研究成果的基础上，针对风力发电机组控制、风力发电机组的运行以及风电机组仿真的需要，展开对状态监测关键问题的研究，主要工作内容和创新成果如下:1.详细分析了风力发电机组状态监测的现状，提出基于非参数建模状态监测方法的两个关键问题：输入变量集选取及残差处理。

2.由于在建立机组各部件重要测量参数的预测模型时，该测量参数预测模型的输入变量集的确定，是建立其准确模型的关键，因此，预测模型输入变量集的确定是影响预测模型精度的重要因素。

本文详细分析了变量集之间的相关关系及判断变量参数相关关系的方法，建立风电机组齿轮箱温度的IPSO-BP状态监测模型，并依据相关关系定量分析的结果来选取IPSO-BP模型的输入变量集，通过对比分析残差结果，总结出非参数模型输入样本集选取的方法。

3.在风力发电机组非参数预测模型的残差统计方法中，合适的滑动窗口能够消除由于测量误差，机组启停等偶然因素造成的孤立的较大残差的影响。

本文详细分析了双滑动窗口残差统计的方法及原理，指出了双滑动窗口具有能够抑制孤立异常残差的作用，并利用IPSO-BP预测模型加以验证。

关键词：状态检测、相关性分析、残差统计方法、双滑动窗口、IPSO-BP模型IAbstractAs a clean and renewable utilize way, the wind power has been developed worldwide in recent years, and the condition monitoring of the large equipment of the wind power units has become the important part. On the bases of the research achievement of condition monitoring on the wind power units in recent years, this article aims at the requirements on the control, operation and the simulation of the wind power unit, and research on the main issues of condition monitoring, the main content of work and the innovate achievement are as follows:1.It analysis the current situation of the condition monitoring on the wind power unit in details, and come up with two issues in the field of condition monitoring, one is regarding the selection of input variable and another one is regarding the dispose of residual.2.The key point of establishing accuracy model is determined by the measure parameter of input variable sets when the forecase models of the main measure parameters of each component is established. The article analysis the judge method and the relative relationship among the variable sets, establish the IPSO-BP condition monitoring model regarding the temperature of bearings of wind power units. It will selected the input variable sets of the IPSO-BP models according to the analysis results of the relative relationships, and it will refine the selection ways of non-parameter model input samples in contrast to the results of residual.3.In the statistical methods of residual regarding non-parameter forecase models of the wind power units, the suitable of the slipping windows can eliminate the impacts caused by measure errors and occasional reasons, for example the shut down of the units. The article analysis the mothed and principle of the duplex slipping windows in details, it indicates the suppression fuction on the abnormal residual by using the duplex slipping windows, then, confirms it by using the IPSO-BP forcase models.Keywords: condition monitoring, relativity analysis, statistical methods of residual, double slipping windows, IPSO-BP modelsII目录摘要 (I)ABSTRACT (II)目录 (I)第1章绪论 (1)1.1本文研究的目的和意义 (1)1.2风力发电机组状态监测的研究 (2)1.2.1风力发电机组状态监测的必要性 (3)1.2.2国内外研究现状 (3)1.3本课题的主要研究内容 (5)第2章基于IPSO-BP模型状态监测的研究 (6)2.1引言 (6)2.2IPSO-BP神经网络基本原理 (7)2.3基于IPSO-BP模型状态监测 (8)2.3.1 IPSO-BP网络结构及训练样本的选择 (8)2.3.2 IPSO-BP网络的训练及验证过程 (10)2.4齿轮箱温度IPSO-BP神经网络模型预测残差统计分析 (12)2.4.1 滑动窗口残差均值与标准差统计 (12)2.4.2齿轮箱工作异常时温度残差统计特性分析 (13)2.4.3齿轮箱预测残差分析 (14)2.5本章小结 (16)第3章关键问题一：非参数模型输入变量集选取 (17)3.1引言 (17)3.2相关性分析的概述 (18)3.3基于IPSO-BP模型输入变量集选取的比较分析 (19)3.3.1 作散点图 (19)3.3.2 从物理和能量转换的角度分析参数与齿轮箱温度的相关关系 (22)3.3.3基于IPSO-BP模型输入变量集选取的比较分析 (23)3.4本章小结 (26)I第4章关键问题二：基于莱特准则的双滑动窗口残差统计方法 (27)4.1引言 (27)4.2基于莱特准则的双滑动窗口残差统计方法 (28)4.2.1 莱特准则判别方法 (28)4.2.2 双滑动窗口残差统计方法概述 (29)4.3基于IPSO-BP模型双滑动窗口残差统计方法 (30)4.4本章小结 (31)第5章结论与展望 (33)参考文献 (35)攻读硕士学位期间发表的论文及其它成果 (38)致谢 (39)II第1章绪论1.1本文研究的目的和意义能源，是现代文明发展不可或缺的因素，在推动社会经济飞跃发展中起着至关重要的作用。