王致杰，1964年生，博士，教授，硕士生导师。2005-2007年在中国矿业大学电气工程博士后流动站做电力传动与智能检测方面的研究工作，现为上海电机学院电气学院副院长，电力电子与电力传动重点学科的学术带头人，上海市人才发展基金获得者，上海市电气集团科技项目带头人。研究方向为新能源并网技术、变频驱动控制技术与大型设备的故障诊断。主持了上海市自然科学基金项目“基于量子免疫算法的故障特征分析与故障诊断策略研究”、上海市科委项目“上海市风电技术工程研究中心仿真测试平台”、上海市人才发展基金项目“新能源电动车动力系统的多模型自适应预测控制研究”、上海市教委重点创新项目“大容量风电并网对电力系统安全稳定运行的影响机理研究”、“基于信息融合的兆瓦级风电机组智能故障诊断策略研究”、“基于风光氢互补的新型电源关键技术研究与开发”等课题30多项；参与完成了国家“863”计划项目、国家自然科学基金等课题10项。共获得省部级科技进步二等奖2项；在国内外重要期刊和学术会议发表学术论文130多篇；获得实用新型专利授权30项，申请发明专利6项，出版专著2部。
　　
　　徐余法，男，1964年生，博士，教授、硕士生导师，现任上海市教委重点学科电力电子与电力传动学术带头人、上海电机学院重点学科电机与智能电器学科带头人，上海电机学院副院长。作为主要成员承担过1项国家自然科学基金项目；主持了1项上海市自然科学基金、上海市教委重点科技创新项目1项、企业委托项目多项；获上海市科技进步三等奖1项、上海市教学成果二等奖、三等奖等3项，出版著作3本，在国内外重要期刊和学术会议发表论文20余篇。曾获上海市育才奖等荣誉称号。
　　
　　刘三明，1962年生，博士，教授，硕士生导师。研究方向为多目标规划、最优控制、电力系统规划与优化运行、风电场建模仿真及风电机组故障诊断技术。主持了国家自然科学基金“一类非线性切换系统的多目标优化理论与算法”、上海市自然科学基金“大规模新能源电力时空多尺度动力学特性及其安全防御策略研究”等省部级8项；参与完成了国家“863”计划“面向住院病人巡护的智能空间技术及机器人巡视系统”等课题16项。获得省部级科技进步三等奖1项；在重要期刊和会议上发表学术论文50篇；获得发明专利授权2项，实用新型专利授权20项，出版专著2部，主编教材1部，参编教材2部。

　　《大型风力发电机组状态监测与智能故障诊断》介绍了风电机组相关部件的监测与故障诊断技术，内容包括大型叶片、齿轮箱、主轴、制动系统、发电机、开关设备、互感器、升压变压器、变流器等故障在线监测系统的基本组成、故障树、故障诊断的新理论及新方法。提出了基于专家系统、模糊神经网络和小波分析三种推理模式集成的风力发电机组合智能诊断策略；基于故障树和神经网络模型，建立了由框架和规则混合知识表示的智能故障诊断系统，利用模糊神经网络来建立风力发电机常见运行故障的专家诊断知识库；在诊断策略的决策层，利用小波分析、模糊神经网络和证据理论的融合，提高风力发电机故障的预测精度；利用基于神经网络的模糊综合评判，对风力发电机衬垫摩擦系数质量进行准确的综合评价；并利用小波神经网络对风力发电机的常见运行故障进行了趋势预测；提出了采用集成智能传感器容错控制方法来实现风电机组的容错控制；提出了风力发电机的一种综合安全控制策略。
　　《大型风力发电机组状态监测与智能故障诊断》可作为普通高等院校相关专业本科生和研究生的教材，也适合风力发电技术领域的工程技术人员参考。

　　然而在大型设备的故障诊断系统中，包含具有多类不确定性的故障特征信息，并且故障类型多样，特征和故障类型之间的对应关系复杂，单靠某种理论或某种方法很难实现在复杂环境下准确、及时地对设备进行故障诊断。信息融合理论是当前研究的热点之一，利用它不仅能如实地描述诸如故障诊断等复杂系统中各种故障特征和故障之间的映射关系，而且还能对系统中多种信息进行统一表示和度量，从而满足分析复杂系统的需要。本课题基于信息融合理论，以风力发电机组旋转系统为对象，拟开展典型旋转机械类系统多源故障特征信息分析与决策问题研究。因风力发电机组的叶片、主齿轮箱和发电机组成的旋转系统是能量转化的核心设备，故障高发于齿轮箱和发电机组，表征系统中各类故障的特征信息常表现出模糊、随机、不精确等不确定性。而目前对旋转设备的故障诊断多数是基于单个参数或单种类型特征进行的，但由于模型或者环境的不确定性、对含有不确定性信息的确定化处理，常会导致诊断决策模糊不清甚至错误。
　　为此，课题拟利用基于专家系统、模糊理论和人工神经网络三种推理模式集成的综合诊断策略来实现对多种故障特征信息的合理分类、统一描述和度量；在此基础上，利用证据理论这一典型的多源信息决策理论解决基于多源故障特征信息（即推理的证据）的分类决策问题。本课题的研究具有重要的理论意义和较广泛的工程应用前景。
　　1.4 国内外研究现状及分析
　　现代化工业生产对机电设备，乃至一个零件的工作可靠性，都提出了极高的要求。世界各国也都普遍开展了对大型重要设备的状态监测和故障诊断工作，取得了明显的经济效益。英国CEGB公司下属的550MW和660MW发电厂因机组故障每年损失750万英镑。采用故障诊断技术后，对机组振动故障原因的5次正确分析，就取得直接经济效益293万英镑。目前，国内外对基于信息融合技术的兆瓦级风力发电机组故障诊断研究得较少。为确保风力发电设备的安全运行，提高其可靠性和安全运转率，必须加强设备的运行管理，进行在线工况监测，及时发现异常情况，加强对故障的早期诊断和预防。故障诊断技术自20世纪70年代开展以来，已历经了一个从简单信号测量到人工智能，再到人机协作的发展过程，快速发展的传统故障诊断技术已在工程应用中发挥了重要作用。虽然传统故障诊断技术对于比较简单的设备和单一故障，常能够发挥其独特作用，但是对于大型复杂设备的多故障交互工况环境，却显得力不从心，而此时若采用智能故障诊断理论或方法便是一种合理而有效的选择。本小节将以旋转机械系统故障诊断为例，对传统和智能故障诊断中的主要方法予以分析和归纳，并以此为基础，再对本课题理论支持和研究思路进一步给予详细的论述。
　　……

第1章 绪论
1.1 课题的背景及意义
1.2 风电机组故障情况分析
1.3 具体部件故障分析
1.4 国内外研究现状及分析
1.5 研究思路
1.6 本章小结

第2章 风力发电机组的工作原理
2.1 风力发电机组的基本组成
2.2 并网型风力发电机的组成结构
2.3 风力发电机组的主要参数及其种类
2.4 风力发电控制技术
2.5 风力发电机传动系统的数学模型
2.6 双馈风力发电机的数学模型
2.7 直接驱动永磁同步电机
2.8 本章小结

第3章 风力发电机组的常见故障
3.1 概述
3.2 风电机组故障的分类
3.3 风力发电机组主要部件故障分析
3.4 风力发电机常见故障及维护
3.5 基于振动特性分析的故障诊断方法
3.6 故障诊断的标准.
3.7 实例分析
3.8 本章小结

第4章 基于模糊神经网络的制动系统故障诊断
4.1 引言
4.2 闸瓦温升与摩擦系数对安全制动的影响
4.3 基于神经网络的风力发电机衬垫摩擦系数质量模糊综合评判
4.4 风力发电机制动系统卡缸故障的诊断策略研究
4.5 本章小结

第5章 基于故障树的风力发电机组运行故障智能诊断
5.1 引言
5.2 模糊神经网络知识表示
5.3 风力发电机常见运行故障的故障树
5.4 风力发电机的故障分析
5.5 面向故障树的基于框架与规则的混合知识表示
5.6 基于框架与规则的风力发电机故障诊断系统的知识表示
5.7 基于模糊神经网络的提升机故障诊断系统知识表示
5.8 风电机组智能故障诊断系统的推理机制
5.9 本章小结

第6章 双馈风电机组变流器控制与故障诊断研究
6.1 研究意义
6.2 双馈风电变流器的开路故障诊断与系统重构
6.3 变流器可靠性增强设计
6.4 本章小结

第7章 大型风力发电机的故障诊断研究
7.1 风力发电机转子故障特性分析
7.2 故障诊断实验研究
7.3 基于小波包能量分析的电动机故障诊断
7.4 基于转子振动信号的诊断分析
7.5 风力发电机转子系统常见故障分析
7.6 本章小结

第8章 风电机组齿轮箱与轴系传动系统故障诊断
8.1 概述
8.2 风电机组齿轮箱振动产生机理和主要故障形式
8.3 风电机组齿轮箱齿轮传动系统的振动分析计算
8.4 基于ADAMS的齿轮箱模型动力学仿真和振动分析
8.5 风电机组齿轮箱的故障诊断
8.6 大型风电机组传动系统轴系故障分析
8.7 本章小结

第9章 基于小波神经网络的风力发电机组故障趋势预测
9.1 引言
……

第10章 风力发电机组合式故障诊断策略与系统结构
第11章 基于容错控制的风力发电机组运行可靠性研究
第12章 风力发电机组综合安全控制系统
第13章 风力发电机组的状态监测（SCADA系统）
第14章 1.25 MW风力发电机组控制与故障诊断
第15章 海上风电机组的远程监测与故障诊断
第16章 结论

参考文献