01
数字孪生概述
定义、发展历程、核心特征：数据驱动、模型驱动、实时映射
概念基础
02
运动系统基础
伺服电机、驱动器、控制器、传动机构；旋转/直线/多轴联动
机械电气
03
故障模式与机理
轴承磨损、齿轮断裂、电机过载、编码器失准 · 机理分析
故障机理
04
传感器与数据采集
振动/温度/电流/编码器 · 数据采集卡与工业总线
硬件采集
05
信号处理基础
时域(均值/方差/峰值) · 频域(FFT/功率谱) · 时频(小波/STFT)
信号变换
06
特征工程
RMS/峭度/波形因子 · 重心频率 · PCA/LDA降维
特征降维
07
数字孪生建模方法
机理建模(物理方程/有限元) · 数据驱动(NN/高斯过程) · 混合建模
建模混合
08
运动系统数字孪生构建
几何(CAD) · 物理(多体动力学) · 行为(状态机) · 规则(专家系统)
构建多维度
09
实时数据同步
OPC UA · MQTT · 数据桥接 · 时间戳对齐与清洗
通信同步
10
数字孪生可视化
3D场景(Three.js/Unity) · 仪表盘(Grafana) · AR/VR交互
可视化交互
11
故障预测方法概述
阈值/趋势/机器学习/深度学习预测
预测总览
12
传统机器学习方法
SVM · 随机森林 · KNN 在故障分类中的应用
分类传统ML
13
深度学习方法
CNN振动分类 · RNN/LSTM时间序列预测
深度学习时序
14
自编码器与异常检测
自编码器原理 · 重构误差 · 无监督异常检测
异常无监督
15
剩余寿命预测
相似性/退化模型/深度学习 RUL 预测
RUL寿命
16
故障诊断方法
基于规则/模型/数据驱动(分类/聚类)
诊断方法
17
诊断决策树与专家系统
故障树FTA · 决策树 · 专家系统规则库
决策专家系统
18
迁移学习在故障诊断中的应用
领域自适应 · 参数/特征迁移 · 数据分布不一致
迁移自适应
19
联邦学习与隐私保护
联邦框架 · 模型聚合 · 差分隐私 · 数据孤岛
隐私联邦
20
边缘计算与实时推理
TensorRT/ONNX部署 · 剪枝量化 · 实时优化
边缘推理
21
数字孪生平台架构
AWS IoT TwinMaker · Azure Digital Twins · Eclipse Ditto
平台架构
22
数据管理
时序库(InfluxDB/TimescaleDB) · 数据湖 · 治理与版本
存储治理
23
模型评估与验证
混淆矩阵 · 准确率/召回率/F1 · ROC/AUC · 交叉验证
评估指标
24
不确定性量化
贝叶斯 · 蒙特卡洛 · 置信区间 · 预测可靠性
不确定性量化
25
案例1：旋转机械轴承故障
振动分析 + CNN + LSTM 预测与诊断
案例轴承
26
案例2：伺服电机编码器故障
电流信号 + 小波变换 + SVM 诊断
案例编码器
27
案例3：多轴联动精度衰退
位置误差 + 数字孪生 + 卡尔曼滤波预测
案例多轴
28
系统集成与部署
实验室到产线 · MES/SCADA对接 · CI/CD流水线
集成部署
29
标准与规范
ISO 13374 · ISO 10816 · 工业4.0参考架构
标准规范
30
前沿趋势
生成式AI+数字孪生 · 大模型故障诊断 · 自主决策与自愈
前沿趋势