01
叶片监测概述
风力发电机叶片的重要性、常见失效模式（疲劳、雷击、分层）、监测系统核心目标。
基础失效模式
02
传感器选型原理
应变片、加速度计、光纤光栅（FBG）、声发射传感器的原理与选型对比。
传感器对比
03
数据采集硬件
NI DAQ、STM32采集板、无线采集模块的选型与接口设计。
硬件接口
04
信号调理电路
放大电路、滤波电路（低通/带通）、抗混叠滤波器设计要点。
电路滤波
05
数据采集软件架构
LabVIEW vs Python vs C++，实时性要求与开发效率权衡。
软件架构
06
Python数据采集实战
使用pyserial读取串口数据、使用numpy进行数据缓存。
Python串口
07
时域信号分析
均值、方差、均方根、峰值因子、峭度等统计特征提取。
时域特征
08
频域信号分析
FFT原理、频谱图绘制、主要频率成分识别。
频域FFT
09
时频域分析
短时傅里叶变换（STFT）、小波变换在叶片裂纹检测中的应用。
时频小波
10
模态分析基础
固有频率、阻尼比、振型，锤击法测试实操。
模态锤击
11
应变监测实战
应变片桥路连接、温度补偿、应变-应力转换计算。
应变桥路
12
振动监测实战
加速度计安装位置优化、积分求速度与位移。
振动积分
13
声发射监测实战
声发射信号特征参数（幅度、能量、计数）、源定位方法。
声发射定位
14
光纤光栅监测实战
FBG波长解调、温度与应变交叉敏感分离。
FBG解调
15
数据预处理
去趋势项、异常值检测（3σ准则、箱线图）、数据归一化。
预处理异常检测
16
特征工程
时域特征、频域特征、时频域特征的多维度融合方法。
特征融合
17
机器学习入门
scikit-learn框架、训练集/验证集划分、模型评估指标。
MLscikit-learn
18
分类算法应用
支持向量机（SVM）、随机森林在叶片损伤分类中的对比。
分类SVM
19
回归算法应用
BP神经网络、XGBoost预测叶片剩余寿命（RUL）。
回归RUL
20
深度学习应用
CNN对振动信号进行端到端故障诊断。
深度学习CNN
21
阈值报警机制
固定阈值 vs 自适应阈值，误报率与漏报率平衡。
报警阈值
22
数据可视化
使用Matplotlib/Plotly绘制实时趋势图、频谱瀑布图。
可视化Plotly
23
数据库设计
时序数据库InfluxDB vs MySQL，数据存储策略与压缩。
数据库InfluxDB
24
通信协议
MQTT、OPC UA、Modbus TCP在监测系统中的应用对比。
协议MQTT
25
边缘计算
树莓派/Jetson Nano部署轻量级模型，实现本地实时推理。
边缘推理
26
云平台搭建
使用Flask/Django搭建Web端监测仪表盘。
云平台Flask
27
系统集成测试
传感器-采集-处理-报警全链路联调，常见问题排查。
集成联调
28
现场部署要点
防护等级（IP65）、防雷接地、线缆屏蔽与布线规范。
部署IP65
29
维护与校准
传感器定期校准周期、数据质量监控、系统健康自检。
维护校准
30
案例复盘
某风场叶片裂纹从发现到预警的全流程实战复盘。
案例复盘