基于AI的振動分析培訓

基于AI的振動分析培訓大綱

培訓時長：2天，合計14小時（每日含1小時休息時間）

前言

本培訓重點關注AI在振動分析學方面的應用。 因此我們需要對我們已有的知識點加以整理使之系統化以支撐基于AI智能化振動數據分析工作。

• Python語言基礎與數據分析

1. Python在數據分析中的作用簡介;
2. Python的數據科學常用工具包簡介;
3. Python數據分析：

• 常用分析方法（搜索、分類、聚合等）；
• 預測與趨勢分析（實例）；
• 數據樣本的種類（正樣本、負樣本）；
• 合適的數據量（如何防止出現過擬合現象）；
• 數據質量的要求（清洗、去冗余、數據標注等）；
• 數據提取（補全缺損數據的方法：統計學理論）
• AI用于數據的缺損修複技術簡介
• 機器學習算法詳解

1. 數據分析常用機器學習算法（例如：聚類算法）以及優缺點和適用場景。
2. 評估算法有效性和效率的關鍵指標。
3. 常見的自學習，自動優化算法（例如：線性回歸，最小二乘法等）
4. 神經網絡(CNN,RNN應用實例)與深度學習算法

• 補充內容
• 自監督學習、對比學習原理與應用
• 計算機視覺中的自監督學習
• SimCLR Framework
• 圖像處理——動態阈值分割
• 動態阈值分割的原理
• 動態阈值分割的實例
• 振動的基礎知識與力學模型
• 振動分析簡介（Vibration Analysis）
• 振動數據處理： 振動批量數據處理；
• 振動的signature(特征)；
• 振動分析數據處理標准流程
• Define the machine of interest.（定義研究對象）
• Measure the machine with Calibrated Transducer Accelerometer.（采集設備的校准）
• Capture Analog Output from Transducer（模擬信號采集）
• Sample and Digitize Analog Signal（采樣與數模轉換）.
• Apply FFT processing（傅裏葉變換）
• 小波包變換案例
• 二維正交小波與小波包變換
• 實例——使用小波變換進行語音信號的去噪（Matlab）
• 實例——使用python對振動信息進行小波變換分析

• 振動分析實例
• 振動分析實例——軸承故障圖譜分析
• 阈值，報警值設定，動態阈值。
• 阈值設定原則，對于阈值的動態學習。
• 控制與報警的實現。
• 振動分析實例——時序波形分析
• 如何處理隨時間變化的量
• 振動分析實例——調制
• 如何選取特征值。
• 在不知道合適特征值的情況下，尋找合適的特征。
• 振動分析實例——診斷松動
• 如何搜索合適特征值，如何確定是合適的特征值。
• 特征值選擇的原則數量。
• 振動分析實例——齒輪箱振動分析
• 特征值選擇的原則數量。
• 如何處理高維度數據（數據降維工具：奇異值分解等：）
• 基于python的軸承故障診斷程序設計實例
• 基于軸承數據集的故障診斷系統設計