01
PHM概述与价值
风机PHM的定义、核心价值、与传统运维的区别、行业现状与趋势。
概念价值
02
系统总体架构
数据采集层、传输层、存储层、分析层、应用展示层的分层设计。
架构分层
03
关键传感器选型
振动、温度、油液、载荷、电气参数传感器的选型原则。
传感器选型
04
数据采集系统设计
SCADA数据接入、高速采集、边缘计算节点部署。
采集边缘
05
数据传输与通信协议
MQTT、OPC UA、Modbus TCP/RTU对比与选型、数据压缩与断点续传。
协议通信
06
数据存储方案
时序数据库选型（InfluxDB、TimescaleDB）、数据清洗与预处理、生命周期管理。
存储时序库
07
数据质量保障
缺失值处理、异常值检测、数据对齐与重采样、质量评估指标体系。
质量清洗
08
特征工程基础
时域特征（均值、峰值、峭度）、频域特征（FFT、包络谱）、时频域特征（小波变换）。
特征时频
09
振动信号分析
轴承故障特征频率计算、齿轮箱啮合频率分析、共振解调技术、阶次分析。
振动故障
10
温度与油液分析
温度趋势分析、油液颗粒度分析、油液光谱分析、磨损趋势判断。
油液温度
11
电气参数分析
发电机电流谐波分析、功率因数监测、绝缘状态评估、变流器故障特征。
电气谐波
12
机器学习基础
监督/无监督学习、常用算法（随机森林、SVM、XGBoost）、模型评估指标。
ML算法
13
深度学习应用
CNN在振动信号识别、LSTM时序预测、自编码器异常检测。
CNNLSTM
14
故障诊断模型
轴承、齿轮箱、发电机、叶片故障诊断模型。
诊断模型
15
剩余寿命预测
基于退化轨迹、相似性、深度学习的RUL预测。
RUL寿命
16
健康评估与评分
健康指数构建、多维度评分模型、健康等级划分标准。
健康评分
17
预警与报警机制
阈值设定、多级预警策略、误报抑制、报警关联分析。
预警阈值
18
模型部署与边缘计算
模型压缩量化、ONNX转换、TensorRT/OpenVINO推理引擎。
边缘部署
19
可视化与报表设计
实时监控大屏、趋势曲线、故障诊断报告自动生成。
可视化报表
20
系统集成与接口
与SCADA/MES/EAM集成、API接口设计。
集成接口
21
案例实战：齿轮箱轴承故障诊断
从数据采集到诊断报告全流程。
实战齿轮箱
22
案例实战：发电机轴承温度预警
温度异常预警模型构建。
实战温度
23
案例实战：叶片结冰检测与预警
叶片结冰检测与预警系统设计。
实战叶片
24
案例实战：变桨系统故障预测
变桨系统故障预测与健康管理。
实战变桨
25
案例实战：主轴承磨损趋势与寿命
主轴承磨损趋势分析与寿命预测。
实战轴承
26
系统测试与验证
测试用例设计、模型精度验证、稳定性测试、现场试运行。
测试验证
27
运维与持续优化
模型迭代策略、数据反馈闭环、系统升级、运维团队建设。
运维优化
28
安全与合规
数据安全策略、访问控制、工业信息安全标准、合规性要求。
安全合规
29
成本效益分析
PHM投入成本、预期收益、投资回报率计算、效益评估报告。
ROI效益
30
未来展望与新技术
数字孪生、联邦学习、大模型在PHM中的应用、行业趋势。
前沿趋势