01
课程导论与项目全景
风机故障检测背景、系统架构总览、技术栈选型 (Python/SCADA/振动分析)、项目目标与预期成果
全景导论
02
风机工作原理与常见故障模式
双馈异步发电机原理、主轴承/齿轮箱/发电机典型故障 (磨损、断齿、轴承打滑)、故障机理与振动特征频率
机理故障模式
03
SCADA数据采集与预处理
SCADA系统介绍、数据采集频率与标签、缺失值处理 (插值/删除)、异常值检测 (3σ/箱线图)、数据标准化
预处理SCADA
04
振动信号基础与FFT变换
时域与频域概念、傅里叶变换原理、Python实现FFT (numpy.fft)、频谱图绘制与特征频率识别
FFT频谱
05
特征工程（时域）
均值、方差、峰值、均方根 (RMS)、峭度、波形因子、峰值因子，Python计算与可视化
时域特征统计
06
特征工程（频域）
频谱峰值、边频带分析、谐波能量比、包络谱分析 (Hilbert变换)，Python实现
频域包络谱
07
特征选择与降维
皮尔逊相关系数、互信息、主成分分析 (PCA)、t-SNE可视化，Python (scikit-learn) 实现
降维PCA
08
机器学习基础（分类）
逻辑回归、支持向量机 (SVM)、决策树、随机森林，scikit-learn快速实现与对比
分类SVM
09
机器学习基础（回归与聚类）
线性回归、K-means聚类、DBSCAN，用于趋势预测与异常簇发现
回归聚类
10
深度学习入门（MLP）
多层感知机原理、Keras/TensorFlow搭建、训练与评估、过拟合与正则化
MLPKeras
11
时序模型（LSTM/GRU）
循环神经网络原理、LSTM门控机制、Keras实现时序预测、多步预测策略
LSTM时序
12
自编码器（Autoencoder）用于异常检测
自编码器原理、重构误差作为异常分数、阈值设定、实战案例
自编码器异常检测
13
卷积神经网络（CNN）在振动信号中的应用
1D-CNN原理、时间序列卷积、Keras实现、与LSTM对比
1D-CNN振动
14
模型评估与调优
混淆矩阵、ROC/AUC、交叉验证、网格搜索、学习曲线、过拟合诊断
调优评估
15
不平衡数据处理
风机故障数据天然不平衡，SMOTE过采样、NearMiss欠采样、集成方法 (EasyEnsemble)
不平衡SMOTE
16
实时数据流处理
Kafka基础、Python生产者/消费者、流式特征提取、滑动窗口计算
Kafka流处理
17
规则引擎与阈值预警
统计阈值 (3σ/百分位数)、动态阈值 (EWMA)、多条件组合规则、告警降噪
规则引擎阈值
18
预警系统架构设计
微服务架构 (Flask/FastAPI)、消息队列 (RabbitMQ)、数据库选型 (InfluxDB/PostgreSQL)、前后端分离
架构微服务
19
后端API开发（FastAPI）
RESTful API设计、数据模型 (Pydantic)、异步处理、接口文档 (Swagger)
FastAPIAPI
20
前端可视化（Dash/Plotly）
实时仪表盘设计、趋势图、频谱瀑布图、告警列表、交互式筛选
Dash可视化
21
数据库设计与时序数据存储
InfluxDB schema设计、数据写入与查询优化、保留策略与连续查询
InfluxDB时序
22
模型部署与推理服务
ONNX模型导出、TensorFlow Serving、Docker容器化、GPU推理加速
部署ONNX
23
端到端流水线（Pipeline）
Airflow调度、数据采集→特征工程→模型推理→告警推送全流程自动化
PipelineAirflow
24
案例实战：齿轮箱故障检测
数据加载、特征提取、模型训练 (随机森林 vs LSTM)、结果对比与可视化
齿轮箱实战
25
案例实战：轴承故障检测
包络谱分析、CNN模型训练、故障分类、现场验证
轴承CNN
26
案例实战：叶片结冰检测
气象数据融合、多模态特征、时序异常检测、预警阈值优化
叶片多模态
27
系统测试与可靠性验证
单元测试 (pytest)、集成测试、压力测试、A/B测试、回滚策略
测试可靠性
28
运维与监控
Prometheus + Grafana监控系统健康度、模型漂移检测、日志管理 (ELK)、告警自愈
监控Prometheus
29
项目文档与团队协作
技术文档撰写 (Sphinx)、API文档、模型卡 (Model Card)、Git协作流程
文档协作
30
课程总结与未来展望
项目复盘、边缘计算趋势、数字孪生、联邦学习在风电中的应用、持续学习路径
总结展望