01
齿轮箱振动基础
齿轮箱结构、振动产生机理、振动三要素（幅值、频率、相位）
机理三要素
02
传感器选型与安装
加速度传感器类型、灵敏度选择、安装位置与磁座/胶粘固定方法
传感器安装
03
数据采集系统搭建
采样定理、抗混叠滤波、采集卡参数设置、信号调理
采集抗混叠
04
时域信号分析
时域波形特征、峰值/均值/有效值/峭度指标、时域同步平均
时域峭度
05
频谱分析基础
傅里叶变换原理、频谱分辨率、窗函数选择、频谱泄露与栅栏效应
FFT窗函数
06
包络谱分析
希尔伯特变换、包络解调原理、轴承故障特征频率提取
包络轴承
07
倒频谱分析
功率倒频谱与复倒频谱、边频带识别、齿轮啮合频率调制
倒频谱边频
08
阶次分析
变转速工况下的阶次跟踪、计算阶次与物理阶次、重采样技术
阶次重采样
09
时频分析
短时傅里叶变换、小波变换、Wigner-Ville分布、时频谱图解读
时频小波
10
齿轮故障特征
齿面磨损、齿根裂纹、断齿、点蚀的振动特征与频谱模式
齿轮故障
11
滚动轴承故障特征
内圈/外圈/滚动体/保持架故障频率计算、故障发展阶段识别
轴承特征频率
12
轴与联轴器故障
轴弯曲、不平衡、不对中、松动、联轴器磨损的振动特征
轴不对中
13
齿轮箱共振与模态
固有频率、模态振型、共振识别、运行变形振型(ODS)
模态共振
14
边频带分析
调制边频带结构、齿轮偏心/间隙/载荷波动引起的边频模式
边频调制
15
谐波与次谐波分析
转速谐波、分数谐波、非线性振动特征、混沌现象初探
谐波非线性
16
信号预处理技术
去趋势项、滤波（低通/高通/带通/带阻）、降噪（小波/EMD）
预处理降噪
17
特征提取方法
统计特征、频域特征、时频域特征、熵特征、能量特征
特征熵
18
故障诊断流程
数据采集→预处理→特征提取→模式识别→决策输出
流程诊断
19
机器学习入门
特征选择、PCA降维、K-means聚类、SVM分类器在诊断中的应用
MLSVM
20
深度学习应用
CNN一维振动信号识别、LSTM时序预测、自编码器异常检测
CNNLSTM
21
迁移学习与小样本
预训练模型微调、域自适应、生成对抗网络数据增强
迁移GAN
22
趋势分析与寿命预测
特征趋势跟踪、健康指标构建、剩余寿命预测模型
RUL趋势
23
齿轮箱试验台搭建
电机-负载-齿轮箱布局、加载方式、故障注入方法
试验台故障注入
24
现场测试与案例分析
风电齿轮箱、工业减速机、汽车变速箱实测案例
案例现场
25
国际标准与规范
ISO 10816振动烈度标准、ISO 13373状态监测指南、API 670
标准ISO
26
报告撰写与可视化
振动报告结构、频谱瀑布图、趋势图、报警阈值设定
报告可视化
27
在线监测系统
系统架构、数据管理、报警策略、远程诊断平台设计
在线系统
28
常见干扰与误判
电源干扰、敲击干扰、共振误判、传感器松动误判
干扰误判
29
综合案例实战
某型风机齿轮箱多故障耦合诊断全流程解析
实战耦合故障
30
前沿技术展望
数字孪生、边缘计算、5G+工业互联网、AI大模型在诊断中的潜力
数字孪生AI