本文首先分析風(fēng)力發(fā)電機組的結(jié)構(gòu)及故障數(shù)據(jù)，統(tǒng)計了風(fēng)力發(fā)電機組各主要部件存在的故障，并同時分析了各種故障產(chǎn)生的原因和危害。之后針這些各故障提出了相應(yīng)可行的診斷檢測方法，結(jié)合實際狀況選擇了以振動信號、電信號和溫度信號相互結(jié)合為采樣方法對故障數(shù)據(jù)進行分析采樣，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，..