本文首先分析風(fēng)力發(fā)電機(jī)組的結(jié)構(gòu)及故障數(shù)據(jù)，統(tǒng)計(jì)了風(fēng)力發(fā)電機(jī)組各主要部件存在的故障，并同時(shí)分析了各種故障產(chǎn)生的原因和危害。之后針這些各故障提出了相應(yīng)可行的診斷檢測(cè)方法，結(jié)合實(shí)際狀況選擇了以振動(dòng)信號(hào)、電信號(hào)和溫度信號(hào)相互結(jié)合為采樣方法對(duì)故障數(shù)據(jù)進(jìn)行分析采樣，并總結(jié)了諸如小波包變換、傅里葉變換等信號(hào)處理方法。最后分析了幾種主要的人工智能診斷方法，從中選擇了一種學(xué)習(xí)效率高、收斂速度快的RBF神經(jīng)網(wǎng)絡(luò)算法，..