01
三轴系统概述
什么是三轴联动系统、典型应用场景（CNC、3D打印、机械臂）、系统核心组成（控制器、驱动器、电机、导轨）
基础概念
02
故障诊断基础
故障诊断的通用流程（信号采集-特征提取-状态识别-诊断决策）、常见故障分类（机械、电气、软件）
流程分类
03
传感器与信号采集
常用传感器类型（编码器、光栅尺、加速度计）、信号采集卡选型、采样定理与抗混叠滤波
传感器采集
04
信号预处理技术
去噪方法（均值滤波、中值滤波、小波去噪）、归一化处理、趋势项去除
预处理滤波
05
时域特征提取
均值、方差、均方根、峰值因子、峭度、波形因子等特征的计算与物理意义
时域特征
06
频域特征提取
傅里叶变换（FFT）原理、频谱分析、功率谱密度、边频带分析
频域FFT
07
时频域分析
短时傅里叶变换（STFT）、小波变换、经验模态分解（EMD）在故障诊断中的应用
时频小波
08
机械故障类型
轴承故障（内外圈、滚动体）、齿轮故障（断齿、磨损）、丝杠故障（间隙、预紧力失效）
机械轴承
09
电气故障类型
伺服驱动器故障（过流、过压、编码器反馈丢失）、电机故障（绕组短路、退磁）、线缆接触不良
电气伺服
10
软件与通信故障
PLC程序跑飞、总线通信中断（EtherCAT/Profinet）、参数配置错误
软件通信
11
故障树分析（FTA）
故障树的构建方法、逻辑门（与门、或门）、最小割集求解、实战案例：X轴伺服报警
FTA逻辑
12
故障模式与影响分析（FMEA）
FMEA表格填写、风险优先级数（RPN）计算、如何制定预防措施
FMEARPN
13
基于阈值的诊断方法
固定阈值与自适应阈值、阈值设定原则、实战：振动信号超限报警
阈值报警
14
基于机器学习的诊断（上）
数据准备与标签、特征选择（PCA、LDA）、常用分类器（SVM、KNN、决策树）
ML分类
15
基于机器学习的诊断（下）
模型训练与验证、混淆矩阵与ROC曲线、实战：用Python实现轴承故障分类
MLPython
16
基于深度学习的诊断
CNN用于振动信号分类、LSTM用于时序预测、迁移学习在故障诊断中的应用
DLCNN
17
残差与趋势分析
残差生成方法、趋势预测（线性回归、ARIMA）、实战：预测丝杠剩余寿命
残差寿命
18
三轴联动系统调试
回零调试、单轴点动测试、三轴联动圆度测试、跟随误差分析
调试圆度
19
常见故障案例库（一）
X轴运行抖动——排查编码器与机械共振
案例抖动
20
常见故障案例库（二）
Z轴爬行现象——导轨润滑与伺服增益调整
案例爬行
21
常见故障案例库（三）
Y轴定位超差——丝杠间隙补偿与反向间隙测量
案例定位
22
常见故障案例库（四）
系统急停报警——急停回路与安全继电器排查
案例急停
23
常见故障案例库（五）
加工表面振纹——主轴与进给轴耦合振动分析
案例振纹
24
故障诊断系统架构设计
数据采集层、特征提取层、诊断推理层、人机交互层的设计
架构分层
25
诊断系统软件开发
Python + PyQt5搭建诊断界面、实时数据曲线显示、报警记录存储
PyQt5开发
26
诊断系统数据库设计
MySQL/SQLite存储历史数据、报警日志、故障字典表设计
数据库SQLite
27
远程诊断与运维
MQTT协议传输诊断数据、云端故障诊断平台搭建、手机APP报警推送
远程MQTT
28
诊断报告自动生成
Python生成PDF诊断报告、报告模板设计（含图表）、邮件自动发送
报告PDF
29
诊断系统可靠性验证
注入故障测试、诊断准确率评估、系统响应时间测试
验证可靠性
30
综合实战项目
搭建一套完整的三轴联动故障诊断系统（从传感器选型到诊断报告生成）
综合实战