第1章
寿命预测概述
什么是寿命预测？应用场景（工业、医疗、航空航天）· 课程目标与学习路径
概念导学
第2章
数据采集与传感器
传感器类型（振动、温度、电流）· 采集系统搭建 · 采样频率与数据质量
硬件信号
第3章
数据预处理基础
缺失值处理 · 异常值检测 · 数据标准化与归一化
清洗规范
第4章
特征工程（上）
时域特征（均值、方差、峰值、峭度）· 频域特征（FFT、功率谱密度）
时域频域
第5章
特征工程（下）
时频域（小波变换、短时傅里叶）· 特征选择与降维（PCA、互信息）
时频降维
第6章
数据集构建
滑动窗口法构建样本 · 训练/验证/测试集划分 · 标签定义（RUL）
数据准备RUL
第7章
传统机器学习模型（上）
线性回归 · 岭回归 · Lasso回归在寿命预测中的应用
回归正则化
第8章
传统机器学习模型（下）
支持向量回归（SVR）· 随机森林回归 · XGBoost
集成SVR
第9章
深度学习入门
为什么选择深度学习？PyTorch/TensorFlow环境搭建 · 张量与自动求导
框架基础
第10章
循环神经网络（RNN）
RNN原理 · 时序数据处理 · 简单RNN实现寿命预测
RNN时序
第11章
LSTM与GRU
长短期记忆网络原理 · 门控机制 · LSTM/GRU实战对比
LSTMGRU
第12章
卷积神经网络（CNN）
1D-CNN原理 · CNN在时序数据中的应用 · CNN-LSTM混合模型
CNN混合
第13章
注意力机制
自注意力 · 多头注意力 · Transformer在寿命预测中的尝试
注意力Transformer
第14章
模型训练技巧
学习率调度 · 早停法 · Dropout · Batch Normalization
调优正则
第15章
损失函数与评价指标
MSE、MAE、RMSE、MAPE · 评分函数（PHM竞赛标准）
指标评估
第16章
模型验证与调参
交叉验证 · 网格搜索 · 贝叶斯优化 · 超参数调优实战
调参验证
第17章
不确定性量化
蒙特卡洛Dropout · 集成学习 · 预测区间构建
不确定性区间
第18章
迁移学习
源域与目标域 · 微调策略 · 跨工况寿命预测
迁移微调
第19章
半监督与自监督学习
利用未标注数据 · 对比学习在寿命预测中的应用
半监督自监督
第20章
多模态数据融合
振动+温度+电流融合策略 · 特征级融合与决策级融合
多模态融合
第21章
在线学习与增量更新
模型在线更新策略 · 概念漂移处理 · 自适应寿命预测
在线增量
第22章
模型部署（上）
ONNX模型转换 · TensorRT加速 · 边缘端部署（树莓派/Jetson）
部署边缘
第23章
模型部署（下）
Flask/FastAPI搭建推理服务 · Docker容器化 · 云端部署
服务容器
第24章
工业案例1：轴承寿命预测
NASA数据集全流程实战
轴承实战
第25章
工业案例2：锂电池寿命预测
CALCE数据集实战
锂电池CALCE
第26章
工业案例3：刀具磨损预测
PHM2010数据集实战
刀具PHM
第27章
工业案例4：航空发动机剩余寿命预测
CMAPSS数据集实战
发动机CMAPSS
第28章
模型可解释性
SHAP、LIME · 特征重要性可视化 · 决策路径分析
可解释SHAP
第29章
项目实战：从0到1搭建完整系统
数据→模型→部署 全流程
全栈项目
第30章
前沿趋势与总结
物理信息神经网络（PINN）· 生成式AI与数字孪生 · 进阶路径
前沿总结