01
风电轴承监测概述
风电行业背景、轴承失效机理、为什么要做状态监测、系统整体架构介绍。
概述架构
02
传感器选型与部署
振动传感器原理、加速度计选型、温度传感器、安装位置与固定方式。
传感器部署
03
数据采集硬件搭建
数据采集卡(DAQ)选型、信号调理模块、抗混叠滤波器、采样率设置原则。
硬件DAQ
04
Python环境搭建
Anaconda安装、虚拟环境创建、必备库安装(numpy、scipy、matplotlib、pandas)。
Python环境
05
数据采集基础
使用pylab或numpy模拟数据生成、读取CSV文件、数据预览与基本统计。
数据CSV
06
时域信号分析
均值、方差、均方根值、峰值因子、峭度指标的计算与物理意义。
时域特征
07
频域分析基础
傅里叶变换原理、快速傅里叶变换(FFT)、频谱图绘制、频率分辨率概念。
FFT频谱
08
包络谱分析
希尔伯特变换、包络解调原理、包络谱绘制、轴承故障特征频率计算。
包络解调
09
时频域分析
短时傅里叶变换(STFT)、小波变换入门、时频谱图绘制、非平稳信号处理。
STFT小波
10
特征提取实战
时域特征、频域特征、时频域特征的综合提取、特征矩阵构建。
特征矩阵
11
数据预处理
缺失值处理、异常值检测与剔除、数据归一化与标准化、数据分割。
预处理归一化
12
机器学习入门
scikit-learn库介绍、训练集/测试集划分、交叉验证概念、模型评估指标。
MLsklearn
13
分类模型
K近邻(KNN)、支持向量机(SVM)、决策树、随机森林在轴承故障诊断中的应用。
分类SVM
14
深度学习基础
PyTorch/TensorFlow环境搭建、张量操作、自动求导机制、简单神经网络搭建。
DLPyTorch
15
卷积神经网络(CNN)
1D-CNN原理、Conv1d层、池化层、全连接层、轴承故障分类模型。
CNN1D-CNN
16
循环神经网络(RNN)
LSTM原理、时间序列预测、剩余寿命预测模型搭建。
RNNLSTM
17
自编码器
降噪自编码器、特征降维、异常检测应用。
自编码器异常检测
18
迁移学习
预训练模型微调、域自适应、小样本学习在轴承诊断中的应用。
迁移学习微调
19
模型部署
ONNX模型导出、Flask API搭建、实时推理接口设计。
部署ONNX
20
数据库设计
时序数据库(InfluxDB)安装、数据表设计、数据写入与查询。
InfluxDB时序
21
可视化仪表盘
Dash/Streamlit框架入门、实时波形显示、频谱图动态更新、报警面板设计。
Dash仪表盘
22
报警阈值设置
自适应阈值算法、统计过程控制(SPC)、多级报警策略设计。
报警SPC
23
边缘计算
树莓派/RK3588部署、模型量化、TensorRT加速、低功耗运行策略。
边缘TensorRT
24
通信协议
MQTT协议、OPC UA、Modbus TCP、数据上云方案。
MQTTOPC UA
25
系统集成
前端后端分离架构、消息队列(RabbitMQ)、微服务设计、Docker容器化。
微服务Docker
26
现场调试
传感器噪声排查、接地与屏蔽、线缆布线规范、现场校准流程。
调试现场
27
案例实战一：主轴轴承故障诊断
风电主轴轴承故障诊断全流程（数据采集到报告生成）。
实战主轴
28
案例实战二：齿轮箱多故障分类
齿轮箱轴承多故障分类与定位。
实战齿轮箱
29
案例实战三：数字孪生寿命预测
基于数字孪生的轴承剩余寿命预测。
数字孪生RUL
30
系统维护与优化
模型持续学习、数据漂移检测、系统升级策略、运维最佳实践。
维护MLOps