风机叶片故障智能识别系统实战
📚 共计 30 章节
01
风机叶片故障概述
叶片常见故障类型（裂纹、雷击、结冰、腐蚀）、故障机理分析、故障对发电效率的影响。
裂纹
雷击
结冰
腐蚀
02
智能识别系统架构
系统总体架构设计、数据采集层、特征提取层、诊断决策层、人机交互层。
架构
分层
交互
03
传感器选型与部署
振动传感器、声发射传感器、应变片、光纤光栅传感器、温湿度传感器选型原则与安装位置。
振动
声发射
应变
光纤
04
数据采集与预处理
数据采集卡选型、采样频率设置、数据清洗、缺失值处理、异常值检测。
采集卡
清洗
异常检测
05
信号处理基础
傅里叶变换（FFT）、短时傅里叶变换（STFT）、小波变换（WT）原理与Python实现。
FFT
STFT
小波
Python
06
特征工程（时域）
均值、方差、峰值、峭度、波形因子、脉冲因子等时域特征提取。
均值
峭度
波形因子
07
特征工程（频域）
频谱峰值、重心频率、频率方差、边频带分析等频域特征提取。
频谱
重心频率
边频带
08
特征工程（时频域）
小波包能量谱、希尔伯特-黄变换（HHT）边际谱特征提取。
小波包
HHT
边际谱
09
特征选择与降维
皮尔逊相关系数、互信息、主成分分析（PCA）、线性判别分析（LDA）。
PCA
LDA
互信息
10
机器学习基础（分类器）
支持向量机（SVM）、K近邻（KNN）、决策树、随机森林原理与对比。
SVM
KNN
随机森林
11
深度学习基础（CNN）
卷积神经网络原理、一维卷积（1D-CNN）在振动信号中的应用。
CNN
1D-CNN
振动
12
深度学习进阶（RNN/LSTM）
循环神经网络、长短时记忆网络在时序故障预测中的应用。
RNN
LSTM
时序
13
迁移学习
预训练模型微调、域自适应在叶片故障诊断中的应用。
微调
域自适应
14
模型训练与优化
数据集划分（训练/验证/测试）、交叉验证、超参数调优（网格搜索、贝叶斯优化）。
交叉验证
网格搜索
贝叶斯
15
模型评估指标
准确率、精确率、召回率、F1-score、混淆矩阵、ROC-AUC曲线。
F1
ROC
AUC
混淆矩阵
16
故障诊断案例（裂纹）
基于振动信号的叶片裂纹故障诊断实战（数据加载、特征提取、模型训练）。
裂纹
振动
实战
17
故障诊断案例（结冰）
基于声发射信号的叶片结冰故障诊断实战。
结冰
声发射
实战
18
故障诊断案例（雷击）
基于应变信号的叶片雷击损伤诊断实战。
雷击
应变
实战
19
故障诊断案例（腐蚀）
基于多传感器融合的叶片腐蚀程度评估实战。
腐蚀
多传感器
融合
20
边缘计算与嵌入式部署
模型轻量化（剪枝、量化）、TensorRT/ONNX部署、树莓派/ Jetson Nano实战。
剪枝
量化
TensorRT
Jetson
21
云平台与大数据架构
数据上云（MQTT/HTTP）、云端存储（InfluxDB）、云端模型推理（Flask/FastAPI）。
MQTT
InfluxDB
FastAPI
22
可视化与告警系统
实时数据仪表盘（Grafana）、故障告警推送（钉钉/微信/邮件）、历史趋势分析。
Grafana
告警
钉钉
23
数字孪生技术
风机叶片数字孪生模型构建、虚实同步、故障模拟与预测。
数字孪生
虚实同步
模拟
24
系统安全与可靠性
数据加密、模型鲁棒性测试、系统冗余设计、故障注入测试。
加密
鲁棒性
冗余
25
行业标准与规范
ISO 10816振动标准、GL导则、IEC 61400风电机组标准解读。
ISO
GL
IEC
26
项目实战（一）
数据采集系统搭建（传感器+采集卡+树莓派+Python）。
树莓派
采集卡
Python
27
项目实战（二）
特征提取与模型训练全流程（Python + Scikit-learn + PyTorch）。
Scikit-learn
PyTorch
全流程
28
项目实战（三）
Web端故障诊断系统开发（Flask + ECharts + Bootstrap）。
Flask
ECharts
Bootstrap
29
项目实战（四）
移动端APP告警与监控（Flutter + Firebase）。
Flutter
Firebase
APP
30
课程总结与展望
技术路线回顾、行业发展趋势（AI+风电）、职业发展建议。
AI+风电
职业发展
趋势