01
风机齿轮箱概述
齿轮箱在风电机组中的作用、常见齿轮箱类型与结构、齿轮箱的关键技术参数。
基础结构
02
齿轮箱失效模式分析
齿轮断裂、齿面磨损、轴承失效、润滑油劣化等常见故障模式及机理。
失效机理
03
振动监测基础
振动传感器选型与安装、振动信号采集参数设置、时域与频域分析基础。
传感器时频域
04
振动信号处理技术
傅里叶变换、包络分析、小波变换在齿轮箱故障特征提取中的应用。
信号处理小波
05
油液分析技术
油液取样规范、光谱分析、铁谱分析、理化指标分析及其在磨损诊断中的应用。
油液磨损
06
温度监测与分析
温度传感器布置、温升趋势分析、温度异常与故障关联性判断。
温度趋势
07
声发射监测技术
声发射原理、传感器选型、信号处理方法在齿轮箱早期故障诊断中的应用。
声发射早期
08
扭矩与功率监测
扭矩传感器原理、功率计算、载荷谱分析对齿轮箱寿命评估的意义。
扭矩载荷谱
09
数据采集与预处理
数据清洗、缺失值处理、异常值检测、数据归一化与标准化方法。
预处理清洗
10
特征工程
时域特征（均值、方差、峭度等）、频域特征（边频带、谐波等）、时频域特征提取方法。
特征峭度
11
机器学习基础
监督学习、无监督学习、半监督学习概念，以及scikit-learn库在故障诊断中的基本使用。
MLscikit-learn
12
故障分类算法
K近邻、支持向量机、决策树、随机森林在齿轮箱故障模式识别中的应用与对比。
分类SVM
13
深度学习基础
人工神经网络、卷积神经网络、循环神经网络的基本原理及其在时序数据中的应用。
深度学习CNN
14
基于CNN的故障诊断
一维卷积神经网络设计、训练策略、在振动信号分类中的实战案例。
1D-CNN实战
15
基于LSTM的剩余寿命预测
长短期记忆网络原理、时间序列预测模型构建、RUL预测评估指标。
LSTMRUL
16
迁移学习在故障诊断中的应用
域自适应、微调策略、解决数据分布差异与样本不足问题。
迁移学习微调
17
异常检测方法
基于统计的异常检测、孤立森林、自编码器在齿轮箱早期异常预警中的应用。
异常自编码器
18
多传感器数据融合
数据级、特征级、决策级融合策略，以及D-S证据理论在融合诊断中的应用。
融合D-S
19
故障预警阈值设定
自适应阈值、统计阈值、基于机器学习的动态阈值设定方法。
阈值动态
20
维修策略概述
事后维修、定期维修、状态维修、预测性维修的优缺点与适用场景。
策略预测性
21
维修决策模型
基于可靠性的维修决策、基于成本的维修优化、多目标维修决策方法。
决策优化
22
备件库存管理
备件分类（ABC分析）、安全库存计算、基于预测的备件需求规划。
备件ABC
23
维修工单管理与调度
工单生成流程、维修优先级排序、资源调度优化算法。
工单调度
24
故障树与事件树分析
故障树构建、定性定量分析、事件树在风险评价中的应用。
FTAETA
25
健康管理平台架构
数据中台设计、微服务架构、实时流处理与批处理结合的技术方案。
架构微服务
26
数字孪生技术
数字孪生概念、齿轮箱数字孪生建模、虚实映射与仿真预测。
数字孪生仿真
27
SCADA系统数据应用
SCADA数据特点、数据挖掘方法、与振动数据联合分析的价值。
SCADA联合分析
28
案例实战：风电场故障预测系统
某风电场齿轮箱故障预测系统搭建全流程（数据采集→模型部署→预警推送）。
实战全流程
29
行业标准与规范
ISO 10816、ISO 13373、VDI 3834等振动诊断标准解读与应用。
标准ISO
30
前沿技术与发展趋势
边缘计算、联邦学习、大模型在风电预测性维护中的应用展望。
边缘计算大模型