本书详细介绍风电机组的振动监测、故障诊断与寿命预测的基础理论、相关方法及工程应用。主要内容包括风电机组结构及运行控制、风电机组振动监测基础、风电机组传动链故障特征提取、风电机组群的智能故障诊断及风电机组轴承的剩余使用寿命预测方法。 本书注重理论联系实际，书中通过大量风电场的故障案例对相关方法进行了验证，适合从事风电设备状态监测与故障诊断工作的研究人员使用，也可以为风电场技术人员提供运维参考。

第1章绪论1 11风能产业与特点概述1 111风能产业发展概述1 112风电机组故障诊断与寿命预测的 意义3 12风电机组状态监测技术4 121振动监测技术5 122油液监测技术6 123无损检测技术7 124不平衡状态监测技术8 125基于模态分析的状态监测技术8 13风电机组传动链故障诊断方法9 131风电齿轮箱故障动力学模型9 132变转速工况下故障特征提取10 133故障信息增强方法11 134智能故障诊断方法12 135风电机组关键部件寿命预测 方法12 14风电机组振动诊断与预测技术难点13 15风电机组监测、诊断技术发展的 关键14 第2章风电机组结构及运行控制16 21风电机组总体结构16 22双馈机组传动链结构18 23直驱机组结构20 24半直驱机组结构21 25风电机组运行控制原理21 251风力发电的空气动力学模型21 252风电机组的控制技���27 第3章风电机组振动监测基础36 31风电机组传动链失效原因36 311交变载荷引起的疲劳损伤37 312过载引起的损伤37 313维护不当引起的故障39 32齿轮、轴承故障状态下的振动机理40 321齿轮故障振动调制机理40 322轴承故障振动调制机理41 33风电齿轮箱故障特征频率42 331一级行星 两级平行结构齿轮箱 特征频率42 332二级行星 一级平行结构齿轮箱 特征频率43 333行**各齿轮故障特征频率44 334定轴轴承故障特征频率45 335行星轴承故障特征频率45 34风电机组传动链振动监测系统46 341在线振动监测系统46 342离线振动监测系统49 343振动采样频率的确定50 35风电机组传动链振动评价标准50 351风电检测认证及振动测试标准50 352风电机组振动评价标准51 第4章风电机组传动链故障特征 提取53 41振动信号基本分析方法53 411时域分析53 412频域分析53 413包络解调分析54 414倒频谱分析54 42行星部件故障特征提取55 421行星轮系局部故障56 422行星轮系分布式故障57 423行星轴承故障73 43风电齿轮箱典型故障特征提取73 431中间轴小齿轮崩齿故障73 432高速轴齿轮故障74 433齿轮、轴承复合故障75 44发电机轴承故障特征描述与提取84 441轴承润滑不良84 442轴承电腐蚀故障85 443轴承打滑跑圈故障87 444发电机轴承保持架故障87 445电磁振动下发电机轴承故障88 45自适应故障特征提取97 451自适应特征提取方法98 452基于经验模态分解的齿轮故障 特征提取102 453基于经验小波变换的轴承故障 特征提取109 46风轮不平衡故障特征提取112 第5章风电机组群智能故障诊断116 51智能故障诊断基础116 511有监督学习的模式识别原理116 512无监督学习的模式识别原理119 513两种模式识别方法的比较120 52基于自适应共振神经网络的风电机组 趋势分析120 521ART2神经网络结构120 522ART2神经网络学习算法121 523基于ART2神经网络的发电机 轴承健康趋势分析124 53结合ART2神经网络和C均值聚类的 机组群智能诊断128 531ART2神经网络算法存在的 问题128 532C均值聚类算法129 533结合ART2神经网络和C均值 聚类的分类算法129 534风电机组设备群故障诊断130 54基于模糊核聚类的风电机组故障 诊断133 541模糊核聚类算法133 542优化模糊核聚类算法137 543基于模糊核聚类算法的故障 诊断139 544风电机组故障诊断案例142 第6章风电机组轴承剩余使用寿命 预测146 61风电机组轴承剩余使用寿命预测基本 概念146 62基于神经网络滚动更新的风电齿轮箱 轴承剩余使用寿命预测147 621短期趋势预测的神经网络148 622剩余使用寿命预测流程148 623案例分析149 63基于改进无迹粒子滤波的发电机轴承 剩余使用寿命预测156 631贝叶斯滤波156 632剩余使用寿命预测流程160 633案例分析160 64基于特征融合与自约束状态空间估计的 轴承剩余使用寿命预测166 641轴承健康指标构建166 642自约束状态空间估计器169 643案例分析172 参考文献182