01
振动基础
振动三要素（振幅、频率、相位）· 传感器类型与选型 · 测点布置原则
传感器选型
02
信号处理入门
时域与频域 · FFT变换原理 · 采样定理与混叠 · 窗函数的选择
FFT采样
03
频谱分析实战
频谱图解读 · 常见故障频率计算（轴承、齿轮、不平衡、不对中）
故障频率轴承
04
趋势分析基础
趋势图的绘制 · 时域指标（峰值、有效值、峭度）· 趋势预警线的设定
预警峭度
05
数据采集系统
在线监测系统架构 · 数据采集器参数设置 · 数据质量评估与清洗
采集器质量评估
06
特征提取方法
时域特征（均值、方差、峰值因子）· 频域特征（重心频率、频带能量）· 时频域特征
特征工程时频
07
轴承故障诊断
滚动轴承故障频率计算 · 包络分析 · 轴承故障案例库
包络故障库
08
齿轮箱诊断
齿轮啮合频率 · 边频带分析 · 齿轮故障模式识别
边频啮合
09
转子动力学
临界转速 · 轴心轨迹 · 涡动与振荡
临界转速涡动
10
机器学习入门
监督学习与无监督学习 · 特征工程基础 · 模型评估指标
监督学习评估
11
回归模型
线性回归 · 多项式回归 · 支持向量回归（SVR）在趋势预测中的应用
SVR预测
12
时间序列模型
ARIMA模型原理 · 差分与平稳性 · 模型定阶与预测
ARIMA平稳性
13
深度学习基础
神经网络结构 · 激活函数 · 损失函数 · 过拟合与正则化
激活函数正则化
14
LSTM网络
循环神经网络原理 · LSTM门控机制 · 时间序列预测实战
LSTM门控
15
CNN在振动中的应用
一维卷积神经网络 · 振动信号分类 · 故障模式识别
1D-CNN分类
16
自编码器
降噪自编码器 · 特征降维 · 异常检测
降噪异常检测
17
迁移学习
预训练模型 · 微调策略 · 跨设备故障诊断
微调跨设备
18
模型融合
Bagging与Boosting · 随机森林 · XGBoost在寿命预测中的应用
XGBoost随机森林
19
剩余寿命预测
退化轨迹建模 · 健康指标构建 · 阈值设定与寿命估计
RUL退化
20
不确定性量化
置信区间 · 蒙特卡洛模拟 · 贝叶斯方法在预测中的应用
贝叶斯蒙特卡洛
21
数据预处理
缺失值处理 · 异常值检测 · 数据归一化与标准化
归一化异常值
22
特征选择
过滤法 · 包裹法 · 嵌入法 · 主成分分析（PCA）
PCA过滤法
23
模型部署
ONNX模型导出 · Flask API搭建 · 边缘计算部署
ONNXFlask
24
案例实战一
离心风机轴承退化趋势分析与寿命预测
离心风机轴承退化
25
案例实战二
轴流风机齿轮箱故障预警与剩余寿命估计
轴流风机齿轮箱
26
案例实战三
多传感器融合的风机健康评估
多传感器融合
27
案例实战四
变工况下的风机寿命预测模型迁移
变工况迁移
28
系统集成
从数据采集到预测报警的完整系统设计
系统设计报警
29
标准与规范
ISO 10816振动标准 · API 670保护系统 · 行业最佳实践
ISOAPI 670
30
课程总结
知识体系回顾 · 常见误区 · 进阶学习路径与资源推荐
总结资源