风机振动信号分析与智能诊断

📚 共计 30 章节

振动三要素（振幅、频率、相位）、简谐振动、周期振动与随机振动。

核心概念物理量

传感器选型

加速度传感器、速度传感器、位移传感器的工作原理与选型原则。

数据采集系统

采样定理、抗混叠滤波、ADC分辨率、动态范围。

采集信号处理

峰值、峰峰值、均值、均方根值、波形因子、峰值因子。

统计量特征

频域分析入门

傅里叶变换原理、频谱图解读、频率分辨率。

Python实现FFT、频谱泄露与窗函数、加窗的影响。

编程窗函数

希尔伯特变换、包络谱、轴承故障特征频率计算。

短时傅里叶变换（STFT）、小波变换基础、时频谱图。

变转速工况下的阶次跟踪、计算阶次谱。

轴承故障诊断

滚动轴承结构、故障频率计算、内圈/外圈/滚动体故障识别。

齿轮箱诊断

齿轮啮合频率、边频带分析、齿轮磨损与断齿识别。

转子动力学

临界转速、不平衡、不对中、轴弯曲、松动故障特征。

转子动力学

电机故障诊断

气隙偏心、转子断条、轴承故障的电流特征。

泵与风机特有故障

叶片通过频率、喘振、汽蚀、旋转失速。

流体旋转失速

时域特征提取、频域特征提取、特征选择方法。

机器学习入门

分类与回归、训练集/测试集划分、交叉验证。

支持向量机

SVM原理、核函数选择、在故障分类中的应用。

集成学习、特征重要性排序、参数调优。

集成随机森林

K近邻与朴素贝叶斯

距离度量、概率模型、适用场景对比。

神经网络基础

感知机、激活函数、反向传播、过拟合与正则化。

卷积神经网络

1D-CNN原理、在振动信号识别中的应用。

循环神经网络

LSTM/GRU、时间序列预测、剩余寿命预测。

无监督特征学习、异常检测、降噪自编码器。

预训练模型微调、跨工况故障诊断。

混淆矩阵、准确率/召回率/F1、ROC曲线、AUC。

重叠采样、添加噪声、时间扭曲、频率掩码。

嵌入式部署、模型压缩、TensorFlow Lite实战。

故障诊断系统架构

数据管道、实时监控、报警阈值设置。

离心风机轴承故障诊断全流程（数据→特征→模型→部署）。

实战全流程

数字孪生、联邦学习、大模型在故障诊断中的应用展望。