基于大模型的变桨系统异常诊断方案
📚 共计 30 章节
01
课程导论
变桨系统在风电中的核心地位 · 异常诊断痛点 · 大模型破局
#入门
#战略
02
变桨系统基础
变桨距控制原理 · 电动vs液压 · 关键部件
#原理
#机械
03
常见异常类型
桨叶卡滞 · 电机过温 · 通讯中断 · 编码器故障 · 减速器磨损
#故障库
#诊断
04
数据采集与预处理
SCADA数据源 · 高频振动 · 数据清洗 · 时间戳对齐
#数据工程
#清洗
05
特征工程基础
时域特征 · 频域特征 · FFT · 包络谱 · 特征选择
#特征
#信号处理
06
传统诊断方法回顾
阈值报警 · 趋势分析 · 专家系统 · 机理模型
#经典方法
#对比
07
传统方法的局限性
误报率高 · 难以泛化 · 知识更新慢 · 复杂耦合故障
#痛点
#反思
08
大模型技术概览
Transformer · 预训练微调 · BERT/GPT · TimesNet/PatchTST
#大模型
#架构
09
为什么选择大模型
模式识别 · 少样本学习 · 多模态融合 · 可迁移性
#优势
#选型
10
大模型诊断框架设计
数据层 · 特征层 · 模型层 · 决策层 · 可视化层
#架构
#系统设计
11
数据准备与标注
异常样本标注 · 数据增强 · 时间扭曲 · 不平衡处理
#数据
#标注
12
Prompt工程在诊断中的应用
有效Prompt · In-Context Learning · Chain-of-Thought
#Prompt
#推理
13
基于BERT的变桨文本诊断
运维日志 · 故障代码文本 · 异常分类
#NLP
#BERT
14
基于TimesNet的时序诊断
电机电流/温度序列 · TimesNet异常检测
#时序
#TimesNet
15
基于PatchTST的长期依赖建模
退化趋势捕捉 · 早期预警
#长期依赖
#PatchTST
16
多模态大模型融合
振动频谱图 + SCADA数值 · 提升诊断精度
#多模态
#融合
17
模型训练与微调
LoRA · 冻结策略 · 学习率调度
#微调
#高效
18
模型评估指标
准确率/召回率/F1 · 混淆矩阵 · AUC-ROC · 误报漏报权衡
#评估
#指标
19
可解释性分析
注意力权重 · SHAP · 特征重要性
#可解释
#可视化
20
边缘端部署
模型量化INT8 · ONNX · 边缘网关推理优化
#边缘
#量化
21
云端部署与API服务
Flask/FastAPI · Docker · 负载均衡
#云端
#API
22
实时诊断系统架构
Kafka · Flink · 实时告警
#实时
#流处理
23
案例实战一：电机过温早期预警
基于TimesNet的变桨电机过温预警
#实战
#TimesNet
24
案例实战二：故障代码智能分类
BERT · 根因分析
#实战
#BERT
25
案例实战三：多模态诊断
桨叶卡滞 · 变桨轴承磨损 · 多模态模型
#实战
#多模态
26
模型持续学习与更新
在线学习 · 增量训练 · 数据漂移检测
#持续学习
#MLOps
27
系统可靠性保障
冗余设计 · 模型回滚 · 元监控
#可靠性
#运维
28
行业标准与合规
IEC 61400 · 故障安全策略 · 认证
#标准
#合规
29
未来展望
数字孪生 · 强化学习 · 端侧大模型
#前沿
#趋势
30
课程总结与项目实战
端到端变桨异常诊断Demo · 从数据到告警
#结课
#项目