VIP14

本课程属于：008-设备状态监测、维修与预测维护 智能制造_工业装备与数字化生产工程 · 共 14 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

振动信号FFT特征工程TinyML异常检测课程

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

学习目标 · 课程结构 · 振动信号异常检测的应用场景与价值

课程导入学习目标

振动信号基础

振动的基本概念 · 振动类型（自由振动 · 受迫振动）

振动信号基础振动的基本概念

信号采集与预处理

采样定理 · 抗混叠滤波 · 去直流

信号采集预处理

时域特征工程

均值 · 方差 · 峰值

时域特征工程均值

频域分析基础

傅里叶变换原理 · 频谱 · 功率谱

频域分析基础傅里叶变换原理

FFT算法详解

快速傅里叶变换的原理 · 蝶形运算 · 频率分辨率

FFT算法详解

FFT特征提取实战

使用Python/NumPy对振动信… · 提取主要频率分量 · 幅值

FFT特征提取实战

频域特征工程进阶

频谱峰值 · 边频带 · 谐波特征

频域特征工程进阶频谱峰值

时频分析简介

短时傅里叶变换（STFT） · 小波变换与FFT的对比 · 在非平稳信号中的应用

时频分析简介STFT

异常检测概述

异常检测的定义 · 类型（点异常 · 上下文异常

异常检测概述异常检测的定义

基于FFT特征的异常检测方法

利用频域特征进行阈值检测 · 统计过程控制（SPC）等

机器学习异常检测

使用FFT特征训练分类器（SVM · 随机森林 · KNN）进行异常分类

机器学习异常检测FFT

深度学习异常检测

使用FFT特征作为输入训练自编码器 · LSTM等模型进行异常检测

深度学习异常检测FFT

TinyML概念 · 边缘计算 · 微控制器资源限制

TinyML模型压缩与优化

量化 · 剪枝 · 知识蒸馏

TinyML模型压缩

TinyML开发环境搭建

Arduino IDE · Edge Impulse · TensorFlow Lite Mi…

TinyML开发环境搭建

振动信号TinyML数据准备

数据采集 · 标注 · 划分训练集/验证集/测试集

TinyML振动信号

基于Edge Impulse的振动异常检测

使用Edge Impulse平台进行… · 模型训练与部署

基于TensorFlow Lite Micro的振动异常检测

自定义FFT特征提取 · 训练模型并部署到微控制器

电机轴承振动异常检测——从数据采集到…

实战案例1电机轴承振动异常…

旋转机械不平衡检测——利用FFT特征…

实战案例2FFT

齿轮箱故障诊断——结合FFT边频带特…

实战案例3FFT

泵体气蚀检测——基于FFT能量特征与…

实战案例4FFT

模型评估与调优

混淆矩阵 · 准确率 · 召回率

模型评估调优

系统集成与部署

传感器接口 · 数据采集频率 · 实时处理流程

系统集成部署

常见问题与解决方案

频谱泄漏 · 噪声干扰 · 采样率不足

常见问题解决方案

性能优化技巧

FFT优化（定点FFT · 查表法） · 特征选择

性能优化技巧FFT

设计一个完整的振动信号FFT特征工程… · 从需求分析到部署测试

综合项目FFT

前沿与扩展

边缘AI趋势 · 联邦学习 · 自监督学习在振动异常检测中的应用

课程总结与进阶路径

知识回顾 · 常见误区 · 学习资源推荐

课程总结进阶路径