本书结合具体的风电企业应用实例，对风力发电机组可预测性维护和故障诊断技术及方法进行了比较系统的介绍，并首次对可预测性维护系统所带来的经济效益评价问题作了深入的研究。书中对风力发电机组的状态监测、性能体检、故障诊断及故障趋势预测进行了深入细致的研究，给出了一些相应的解决方案。全书具有很强的理论与实践指导意义，读者能学以致用。
本书内容深入浅出，系统性强，注重理论联系实际，可作为控制科学、风能技术、智能控制等专业高年级本科生、研究生和教师的参考书，也可供风力发电、检修与维护等领域的工程师和科研人员阅读和参考。

前言
第1章 绪论
1.1 风力发电的发展概况
1.1.1 全球风力发电的发展现状
1.1.2 我国风力发电的发展现状
1.2 风力发电机组目前的维护与维修现状
1.2.1 风力发电机组传动链
1.2.2 风力发电机组目前的维护模式
1.3 风力发电机组可预测性维护系统研究现状
1.3.1 风电机组可预测性维护系统发展现状
1.3.2 风电机组可预测性维护的作用与意义
1.3.3 风电机组故障预测与健康管理发展现状
1.4 风力发电机组故障诊断技术研究现状
1.5 可预测性维护系统应用中普遍存在的困扰与疑虑
1.6 自动诊断技术应用中存在的关键问题与瓶颈
1.7 本书写作的目的
参考文献
第2章 风力发电机组工作原理与常见故障
2.1 风电机组基本构成
2.2 风电机组工作原理
2.3 风电机组主要参数及种类
2.3.1 风电机组的主要参数
2.3.2 风电机组的种类
2.4 风电机组故障分类
2.4.1 主轴及轴系典型故障
2.4.2 齿轮典型故障
2.4.3 发电机典型故障
2.4.4 滚动轴承典型故障
2.4.5 叶片典型故障
2.4.6 塔筒典型故障
2.5 结束语
参考文献
第3章 风力发电机组可预测性维护系统开发与应用
3.1 CMS应用背景与意义
3.2 CMS技术要求的特殊性
3.2.1 变转速
3.2.2 变载荷
3.2.3 低转速部件的监测
3.2.4 误报警、漏报警率高
3.3 CMS的系统开发
3.3.1 CMS的系统组成
3.3.2 CMS的软硬件系统设计
3.3.3 传感器选择与测点布置的经济性研究
3.4 CMS的现场应用案例
3.4.1 轴承外齿圈故障案例
3.4.2 发电机驱动端轴承外圈振动异常
3.5 结束语
参考文献
第4章 基于便携式CMS的系统设计与风机状态评价
4.1 便携式CMS的存在意义与价值
4.2 便携式CMS的总体方案设计
4.2.1 数据采集调理板方案设计
4.2.2 本地控制平台选择方案
4.3 便携式CMS的软硬件开发
4.3.1 系统硬件设计
4.3.2 系统软件设计
4.4 基于便携式CMS的风电机组状态评价
4.4.1 状态评价的时域指标介绍
4.4.2 状态评价的频域特征描述
4.4.3 状态的判定与趋势分析
4.5 便携式CMS的应用案例
4.5.1 发电机轴承故障
4.5.2 齿轮箱齿轮损伤
4.5.3 发电机两端轴承损伤故障
4.6 结束语
参考文献
第5章 风电机组可预测性维护的经济效益评价
5.1 CMS经济效益评价的重要意义
5.1.1 对CMS应用的经济性国内普遍存在的疑虑
5.1.2 德国安联保险公司给出的选择和建议
5.1.3 CMS经济效益评价的难点
5.2 CMS经济效益的定性评价方法研究
5.2.1 CMS在“运行维护”方面体现的经济效益
5.2.2 CMS在“缺陷管理”方面体现的经济效益
5.2.3 CMS在“备品备件储备”方面体现的经济效益
5.2.4 CMS在“大修技改项目申报”方面体现的经济效益
5.2.5 经济效益定性分析小结
5.3 CMS经济效益的定量评价方法研究
5.3.1 引入P-F理论模型
5.3.2 CMS性能建模
5.3.3 对损坏恶化的过程和维修措施进行进一步建模
5.3.4 对继发性损坏构建模型
5.3.5 案例研究
5.3.6 对CMS的附加价值进行建模
5.3.7 模型架构的模拟过程
5.3.8 模拟CMS的参数确定
5.3.9 结果分析
5.3.10 经济效益的定量分析小结
5.4 结束语
参考文献
第6章 基于时频分析方法的风电机组传动链故障诊断
6.1 引言
6.1.1 时域和频域分析方法
6.1.2 时频分析方法
6.2 基于EEMD-KECA的风机传动链故障自动诊断
6.2.1 EEMD算法
6.2.2 基于EEMD的能量熵提取
6.2.3 KECA算法和数据转换
6.2.4 基于EEMD-KECA的故障诊断算法
6.2.5 风电机组实验验证
6.3 基于LMD-ELM的风机传动链故障自动诊断
6.3.1 算法理论介绍
6.3.2 基于LMD-ELM的故障诊断算法
6.3.3 仿真实验验证
6.3.4 风电机组实验验证
6.4 结束语
参考文献
第7章 基于数学形态学方法的风电机组轴承故障诊断
7.1 引言
7.2 数学形态学简介
7.2.1 数学形态学的基本理论与运算
7.2.2 结构元素的选取
7.2.3 基于三角型结构元素的特征提取效果分析
7.3 自适应形态学方法的提出
7.3.1 最优加权因子的选取
7.3.2 开闭组合算子和单一闭算子的特征提取能力比较
7.4 基于自适应数学形态学与相关分析的风机故障诊断
7.4.1 信号的相关分析方法
7.4.2 故障诊断策略基本思路
7.4.3 故障诊断策略具体步骤
7.4.4 实验平台仿真验证
7.5 一种新的W型结构元素的提出
7.5.1 W型结构元素定义
7.5.2 W型结构元素的特征提取能力验证
7.5.3 W型结构元素的自适应形态学在故障诊断中的仿真实例
7.6