风机齿轮箱故障预测与诊断

📚 共计 30 章节

齿轮箱基础

风机齿轮箱的结构与功能、常见齿轮类型（行星轮、平行轴）、传动比计算

故障模式分析

齿轮磨损、断齿、轴承疲劳、轴不对中、润滑失效的机理与特征

磨损轴承润滑

振动信号基础

时域信号、频域信号、采样定理、FFT变换原理

时域频域FFT

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

传感器安装

数据采集系统

DAQ硬件、采样率设置、抗混叠滤波、数据存储格式

DAQ采样滤波

时域特征提取

均值、方差、峰值、峭度、波形因子、脉冲因子

频域特征提取

频谱分析、边频带识别、谐波分析、包络谱分析

时频域分析

短时傅里叶变换（STFT）、小波变换、希尔伯特-黄变换

信号预处理

去趋势项、滤波（低通/高通/带通）、降噪（小波阈值/EMD）

特征选择方法

相关系数法、互信息法、主成分分析（PCA）、线性判别分析（LDA）

PCALDA互信息

机器学习基础

监督学习、无监督学习、训练集/验证集/测试集划分、交叉验证

支持向量机（SVM）

原理、核函数选择、参数调优、多分类策略

集成学习思想、决策树构建、特征重要性评估

集成决策树

K近邻（KNN）

距离度量、K值选择、加权投票

网络结构、激活函数、反向传播、过拟合与正则化

BP激活正则化

卷积神经网络（CNN）

一维卷积、池化层、在振动信号中的应用

CNN卷积振动

循环神经网络（RNN）

LSTM、GRU、时间序列预测

无监督特征学习、异常检测应用

自编码异常检测

预训练模型、微调策略、跨工况迁移

故障诊断流程

数据获取→预处理→特征提取→模型训练→诊断决策

阈值预警方法

固定阈值、自适应阈值、统计过程控制（SPC）

趋势预测方法

线性回归、ARIMA模型、指数平滑

剩余寿命预测

退化轨迹建模、Wiener过程、基于相似性的方法

模型评估指标

准确率、精确率、召回率、F1-score、混淆矩阵、ROC曲线

案例实战一

基于振动数据的齿轮磨损程度分类（使用SVM）

实战SVM齿轮

案例实战二

基于温度与振动融合的轴承故障诊断（使用随机森林）

融合随机森林

案例实战三

基于LSTM的齿轮箱剩余寿命预测

边缘计算与部署

模型压缩、ONNX转换、树莓派/工控机部署

边缘ONNX部署

SCADA系统集成

OPC UA通信、数据上云、远程监控平台搭建

行业标准与规范

ISO 10816振动标准、AGMA齿轮评级、API 670保护系统