01
课程导论
风机为什么要做振动监测？振动监测能解决什么问题？课程整体框架与学习路径。
入门框架
02
风机结构与振动源
双馈/直驱风机结构、主要振动源（齿轮箱、轴承、叶片）、振动传递路径。
结构原理
03
振动基础理论
简谐振动、周期、频率、振幅、相位、加速度/速度/位移的关系。
理论物理量
04
传感器选型与安装
加速度传感器、速度传感器、位移传感器；安装位置与方向选择。
硬件选型
05
数据采集系统
DAQ硬件、采样定理、抗混叠滤波、动态范围、信号调理。
采集硬件
06
时域分析基础
均值、方差、峰值、峰峰值、均方根值、波形因子、峰值因子。
时域统计
07
频域分析基础
傅里叶变换（FFT）、频谱、功率谱、频率分辨率、窗函数。
频域FFT
08
时频分析
短时傅里叶变换（STFT）、小波变换、希尔伯特-黄变换（HHT）简介。
时频小波
09
包络分析
希尔伯特变换、包络谱、用于轴承和齿轮故障诊断。
包络故障
10
阶次分析
变转速工况下的阶次跟踪、计算阶次谱、用于齿轮箱诊断。
阶次变转速
11
特征提取（上）
统计特征（时域）、频带能量、边频带识别。
特征频带
12
特征提取（下）
无量纲指标（峭度、偏度）、熵特征（近似熵、样本熵）。
无量纲熵
13
数据预处理
缺失值处理、异常值检测、去趋势、归一化与标准化。
清洗预处理
14
降噪技术
低通/高通/带通滤波、自适应滤波、小波降噪。
降噪滤波
15
健康状态评估指标
振动烈度（ISO 10816）、峭度指标、峰值指标、裕度指标。
评估标准
16
故障模式与机理
轴承故障（内圈、外圈、滚动体）、齿轮故障（断齿、磨损）、不平衡、不对中。
机理故障
17
轴承故障诊断
特征频率计算、包络谱分析、案例实战。
轴承实战
18
齿轮箱故障诊断
啮合频率、边频带分析、案例实战。
齿轮箱边频
19
转子不平衡与不对中
1X/2X分量分析、相位分析、案例实战。
转子相位
20
机器学习入门
监督学习 vs 无监督学习、分类 vs 回归、训练集/验证集/测试集。
ML基础
21
特征工程
特征选择（过滤法、包裹法、嵌入法）、特征降维（PCA、t-SNE）。
降维选择
22
经典分类模型
KNN、SVM、决策树、随机森林在故障诊断中的应用。
分类模型
23
深度学习基础
感知机、多层感知机（MLP）、激活函数、损失函数。
DLMLP
24
卷积神经网络（CNN）
1D-CNN用于振动信号、卷积层、池化层、全连接层。
CNN1D
25
循环神经网络（RNN/LSTM）
时序建模、LSTM单元、用于剩余寿命预测。
RNN寿命
26
自编码器与异常检测
自编码器原理、重构误差、无监督异常检测。
自编码异常
27
迁移学习
预训练模型、微调、跨工况/跨风机迁移。
迁移微调
28
模型评估与部署
混淆矩阵、准确率/召回率/F1-score、模型导出（ONNX/TensorRT）。
评估部署
29
边缘计算与实时监测
嵌入式平台（树莓派/Jetson）、数据流处理、轻量化模型。
边缘实时
30
综合实战项目
从数据采集到健康报告的全流程实现，构建一个端到端的风机健康状态评估系统。
实战全流程