风机振动监测数据分析与预警策略实战

📚 共计 30 章节

振动基础：什么是振动？振动三要素详解

振幅、频率、相位核心概念，振动入门必修

基础三要素

传感器选型：加速度/速度/位移传感器

原理对比与选型指南，匹配风机监测场景

传感器选型

测点布置：轴承座、电机端、基础地脚

关键测点位置选择与优化策略

数据采集系统：在线监测架构

传感器→采集卡→工控机→云平台全链路

采样定理与抗混叠

奈奎斯特采样定理、抗混叠滤波器设置

采样抗混叠

时域分析：峰值、峰峰值、均值、RMS

计算与工程意义，特征提取基础

频域分析基础：FFT与频谱图

傅里叶变换原理，频谱解读方法

包络谱分析：轴承早期故障诊断

包络解调技术应用与案例

倒频谱分析：齿轮箱故障识别

倒频谱原理与齿轮箱诊断实战

倒频谱齿轮箱

时频分析：STFT与小波变换

变转速工况下的时频工具

振动标准解读：ISO 10816-3/7919

国际标准在风机上的应用

报警阈值设定：绝对/相对/趋势

三级阈值设定方法与实例

趋势分析：时域/频域/特征值趋势

趋势建立与退化跟踪

轴承故障诊断：特征频率计算

BPFI、BPFO、BSF、FTF详解

轴承特征频率

齿轮箱故障诊断：啮合频率与边频

边频带分析与故障识别

齿轮箱边频

不平衡故障：1X倍频与动平衡

频谱相位特征，现场动平衡

不对中故障：2X倍频与类型区分

平行不对中与角度不对中

松动故障：谐波与半频成分

机械松动与结构松动区分

共振问题：瀑布图与避共振

共振识别方法及模态测试

电机故障诊断：电气故障特征

断条、气隙偏心振动特征

机器学习入门：监督/无监督学习

故障分类中的ML应用

特征工程：峭度、偏度、谱熵

时域频域特征提取实战

故障分类模型：SVM与随机森林

振动诊断中的经典模型

SVM随机森林

深度学习应用：CNN端到端诊断

卷积神经网络振动信号诊断

CNN深度学习

异常检测：孤立森林与自编码器

未知故障预警方法

预警策略设计：多级预警体系

注意/警告/危险三级响应流程

数据清洗与预处理

缺失值、异常值、去趋势化

清洗预处理

报告生成：自动诊断模板

关键指标可视化与报告输出

报告可视化

案例实战：离心风机轴承故障

全流程分析：数据→诊断→报告

案例实战：引风机复合故障

不平衡+不对中诊断与处理

复合故障实战