🧠 Reality AI · 振动信号分析
⚡ 模型构建实战 · 30章
📊 从基础到部署
🔧 传感器 · 时频 · 深度学习
📁 30个实战章节
01
振动信号基础
什么是振动 · 三要素 · 周期/非周期/随机分类
02
传感器选型与安装
加速度/速度/位移传感器 · 磁吸/胶粘/螺栓固定
03
数据采集系统
采样定理 · 抗混叠滤波 · ADC分辨率 · 采样率设置
04
时域分析基础
均值·均方根·峰值·峰峰值·波形因子·峭度
05
时域同步平均
原理与实现 · 齿轮箱故障诊断应用
06
傅里叶变换入门
时域→频域 · DFT/FFT · 频谱分辨率与泄露
07
窗函数应用
矩形/汉宁/海明/平顶窗 · 频谱影响对比
08
频谱分析实战
边频带 · 谐波 · 轴承/齿轮故障特征频率
09
包络分析
希尔伯特变换 · 包络解调 · 轴承早期故障
10
倒频谱分析
功率倒频谱 · 复倒频谱 · 齿轮箱诊断
11
时频分析基础
STFT · Gabor变换 · 时频分辨率权衡
12
小波变换入门
连续/离散小波 · 小波包分解
13
小波包能量谱
特征提取 · 变工况故障诊断应用
14
经验模态分解(EMD)
IMF · 筛分过程 · 端点效应处理
15
集合经验模态分解(EEMD)
白噪声辅助 · 集成平均 · 模态混叠抑制
16
变分模态分解(VMD)
原理 · K值/惩罚因子 · 与EMD对比
17
特征工程基础
时域(有量纲/无量纲) · 频域 · 时频域特征
18
特征选择方法
皮尔逊·互信息·PCA·t-SNE可视化
19
机器学习入门
监督/无监督 · 训练/验证/测试集 · 交叉验证
20
支持向量机(SVM)
核函数 · C/gamma调优 · 多分类策略
21
随机森林与集成学习
Bagging · 特征重要性 · 超参数调优
22
K近邻与朴素贝叶斯
距离度量 · K值 · 高斯朴素贝叶斯应用
23
深度学习基础
感知机 · 激活函数 · 损失函数 · 反向传播
24
卷积神经网络(CNN)
卷积/池化/全连接 · 一维CNN振动处理
25
循环神经网络(RNN)
LSTM · GRU · 时序预测与异常检测
26
自编码器
欠完备/稀疏/降噪自编码器 · 无监督异常检测
27
迁移学习
预训练微调 · 域自适应 · 变工况诊断
28
模型部署与边缘计算
ONNX转换 · TensorRT · 树莓派/STM32部署
29
综合案例一：滚动轴承故障诊断
采集→特征→训练→部署 全流程
30
综合案例二：齿轮箱多故障与RUL
多故障诊断 · 剩余寿命预测实战