第1章
课程导论与信号基础
轴承故障诊断的意义 · 振动信号基本概念 · 时域与频域概述
导论基础
第2章
Python与科学计算环境搭建
Anaconda安装 · Jupyter Notebook · NumPy/SciPy快速入门
环境Python
第3章
信号读取与可视化
读取振动数据(CSV/Mat) · Matplotlib时域波形图
可视化数据
第4章
时域特征提取（上）
均值、方差、均方根值、峰值、峰峰值 · 物理意义与实现
特征时域
第5章
时域特征提取（下）
峭度、偏度、波形因子、峰值因子、脉冲因子 · 故障敏感分析
特征敏感
第6章
傅里叶变换与频谱分析
DFT原理 · FFT的Python实现 · 幅值谱与功率谱
频谱FFT
第7章
频谱特征提取
转频识别 · 边频带分析 · 谐波分析 · 定位故障频率
特征边频
第8章
包络谱分析
希尔伯特变换 · 包络解调 · 包络谱在轴承诊断中的应用
包络解调
第9章
短时傅里叶变换(STFT)
时频分析思想 · STFT原理与Python实现 · 时频谱图解读
时频STFT
第10章
小波变换入门
CWT与DWT · 小波包分解 · 时频局部化特性
小波时频
第11章
小波包能量特征提取
小波包分解与重构 · 各频带能量计算 · 能量谱特征向量
能量小波包
第12章
经验模态分解(EMD)
EMD原理 · 本征模态函数(IMF) · Hilbert-Huang变换基础
EMDHHT
第13章
EMD特征提取实战
IMF筛选准则 · 边际谱与瞬时频率 · 轴承故障应用
EMD实战
第14章
变分模态分解(VMD)
VMD原理与参数选择 · VMD与EMD对比 · Python实现
VMD分解
第15章
特征工程与降维
归一化/标准化 · PCA · t-SNE高维可视化
降维特征工程
第16章
机器学习基础（分类器）
训练/测试集划分 · K近邻(KNN) · 支持向量机(SVM)原理
MLSVM
第17章
SVM故障分类实战
核函数选择 · 网格搜索调参 · 多分类策略
SVM调参
第18章
随机森林与集成学习
决策树基础 · 随机森林原理 · 特征重要性 · 模型集成
随机森林集成
第19章
XGBoost与LightGBM
梯度提升树 · XGBoost调参 · LightGBM高效训练
XGBoostLightGBM
第20章
深度学习入门（CNN）
卷积神经网络基础 · 一维卷积(Conv1D) · 池化与全连接
CNN深度学习
第21章
一维CNN轴承故障诊断
端到端故障分类 · Keras/TensorFlow · 模型训练与评估
Conv1D诊断
第22章
循环神经网络(RNN)与LSTM
序列建模 · LSTM单元结构 · 时间序列故障预测
RNNLSTM
第23章
注意力机制与Transformer
自注意力原理 · Transformer编码器 · 时间序列Transformer
注意力Transformer
第24章
迁移学习在故障诊断中的应用
预训练模型微调 · 领域自适应 · 小样本学习
迁移学习微调
第25章
生成对抗网络(GAN)数据增强
信号生成 · DCGAN架构 · 生成样本质量评估
GAN增强
第26章
模型评估与解释
混淆矩阵 · ROC/AUC · SHAP · LIME局部解释
评估可解释
第27章
实时监测系统设计
数据采集卡接口 · 流式处理 · 滑动窗口特征 · 报警阈值
实时系统
第28章
边缘计算与模型部署
模型量化(TensorRT/ONNX) · 树莓派部署 · 推理优化
边缘部署
第29章
综合实战项目（上）
CWRU轴承数据集解读 · 完整数据处理Pipeline搭建
实战CWRU
第30章
综合实战项目（下）
多模型对比实验 · 结果分析与报告 · 课程总结与进阶
实战总结