轴承故障全流程诊断 · 从信号到结论

📚 共计 30 章节

故障诊断概述

轴承故障诊断的意义、诊断流程总览、常见轴承故障类型与机理。

信号采集基础

传感器选型（加速度计、位移传感器）、采样定理、数据采集系统搭建。

信号预处理

去趋势项、滤波（低通、高通、带通）、重采样与降噪。

均值、方差、均方根值、峰值因子、峭度等统计特征计算与解读。

频域分析基础

傅里叶变换（FFT）原理、频谱图绘制、频率分辨率与泄漏。

包络谱分析

希尔伯特变换、包络解调原理、包络谱在轴承故障诊断中的应用。

倒频谱分析

倒频谱定义、倒频谱在齿轮箱与轴承复合故障中的应用。

倒频谱复合故障

短时傅里叶变换（STFT）、小波变换、时频谱图解读。

变转速工况下的阶次跟踪、计算阶次谱。

阶次变转速

特征选择、特征降维（PCA、t-SNE）、特征重要性评估。

机器学习基础

监督学习与无监督学习、训练集/验证集/测试集划分、交叉验证。

分类模型（一）

K近邻（KNN）、支持向量机（SVM）原理与在故障分类中的应用。

分类模型（二）

决策树、随机森林、梯度提升树（XGBoost）原理与对比。

随机森林XGBoost

深度学习入门

人工神经网络（ANN）基础、激活函数、损失函数、反向传播。

ANN反向传播

卷积神经网络（CNN）

一维卷积原理、CNN在振动信号分类中的应用。

循环神经网络（RNN）

LSTM/GRU原理、时序信号预测与故障诊断。

自编码器与异常检测

自编码器原理、基于重构误差的异常检测方法。

自编码器异常检测

预训练模型微调、域自适应在跨工况故障诊断中的应用。

迁移域自适应

生成对抗网络（GAN）

数据增强、不平衡数据集处理。

GAN数据增强

模型评估与调优

混淆矩阵、ROC曲线、超参数调优（网格搜索、贝叶斯优化）。

故障诊断实战（一）

使用Python加载振动数据、数据可视化与探索性分析。

故障诊断实战（二）

基于时域/频域特征的SVM故障分类完整代码实现。

故障诊断实战（三）

基于CNN的端到端故障诊断模型搭建与训练。

CNN实战端到端

故障诊断实战（四）

基于LSTM的剩余寿命预测（RUL）案例。

故障诊断实战（五）

基于自编码器的无监督异常检测实战。

无监督自编码器

故障诊断系统部署

模型导出（ONNX/TensorRT）、边缘计算设备部署（树莓派/Jetson）。

部署边缘计算

工业案例（一）

风电齿轮箱轴承故障诊断全流程案例分析。

风电齿轮箱

工业案例（二）

高速主轴轴承故障诊断与预警系统设计。

工业案例（三）

轨道交通列车轮对轴承在线监测系统。

轨道交通轮对

课程总结与展望

故障诊断技术发展趋势、PHM（故障预测与健康管理）体系介绍。