基于AI的振动分析培训

基于AI的振动分析培训大纲

培训时长：2天，合计14小时（每日含1小时休息时间）

前言

本培训重点关注AI在振动分析学方面的应用。 因此我们需要对我们已有的知识点加以整理使之系统化以支撑基于AI智能化振动数据分析工作。

• Python语言基础与数据分析

1. Python在数据分析中的作用简介;
2. Python的数据科学常用工具包简介;
3. Python数据分析：

• 常用分析方法（搜索、分类、聚合等）；
• 预测与趋势分析（实例）；
• 数据样本的种类（正样本、负样本）；
• 合适的数据量（如何防止出现过拟合现象）；
• 数据质量的要求（清洗、去冗余、数据标注等）；
• 数据提取（补全缺损数据的方法：统计学理论）
• AI用于数据的缺损修复技术简介
• 机器学习算法详解

1. 数据分析常用机器学习算法（例如：聚类算法）以及优缺点和适用场景。
2. 评估算法有效性和效率的关键指标。
3. 常见的自学习，自动优化算法（例如：线性回归，最小二乘法等）
4. 神经网络(CNN,RNN应用实例)与深度学习算法

• 补充内容
• 自监督学习、对比学习原理与应用
• 计算机视觉中的自监督学习
• SimCLR Framework
• 图像处理——动态阈值分割
• 动态阈值分割的原理
• 动态阈值分割的实例
• 振动的基础知识与力学模型
• 振动分析简介（Vibration Analysis）
• 振动数据处理： 振动批量数据处理；
• 振动的signature(特征)；
• 振动分析数据处理标准流程
• Define the machine of interest.（定义研究对象）
• Measure the machine with Calibrated Transducer Accelerometer.（采集设备的校准）
• Capture Analog Output from Transducer（模拟信号采集）
• Sample and Digitize Analog Signal（采样与数模转换）.
• Apply FFT processing（傅里叶变换）
• 小波包变换案例
• 二维正交小波与小波包变换
• 实例——使用小波变换进行语音信号的去噪（Matlab）
• 实例——使用python对振动信息进行小波变换分析

• 振动分析实例
• 振动分析实例——轴承故障图谱分析
• 阈值，报警值设定，动态阈值。
• 阈值设定原则，对于阈值的动态学习。
• 控制与报警的实现。
• 振动分析实例——时序波形分析
• 如何处理随时间变化的量
• 振动分析实例——调制
• 如何选取特征值。
• 在不知道合适特征值的情况下，寻找合适的特征。
• 振动分析实例——诊断松动
• 如何搜索合适特征值，如何确定是合适的特征值。
• 特征值选择的原则数量。
• 振动分析实例——齿轮箱振动分析
• 特征值选择的原则数量。
• 如何处理高维度数据（数据降维工具：奇异值分解等：）
• 基于python的轴承故障诊断程序设计实例
• 基于轴承数据集的故障诊断系统设计