故障诊断基础入门篇学习路线_最小熵解卷积和最大相关峭度解卷积

写在前面

一个阶段的学习结束了，自己利用闲暇时间制作了关于轴承故障诊断基础入门系列的精品课程资源。以一个适合小白的视角结合具体的代码案例去讲解理论，也会启发学生对创新点的思考和挖掘，每一节内容的选取都是在这个领域能够用到的内容，比较适合刚读研的小白。

---

1、第一部分

1.1 轴承故障诊断概述

1.2 轴承故障诊断机理

1.3 经典入门参考文献分享

1.4 特征频率计算技巧

1.5 时域指标的计算及批处理

1.6 ☆我该怎么学

---

2、第二部分

2.1 常见的谱分析算法【结合代码】

2.2 快速傅里叶变换（FFT）

2.3 希尔伯特黄变换

2.4 功率谱密度

---

3、第三部分

3.1 预处理降噪优化篇

3.2 经验模态分解

3.3 改进的经验模态分解（EEMD）

3.4 变分模态分解

3.5 时频域指标的计算

3.6 信号的分解与重构

3.7 预处理的对比分析

3.8 粒子群算法的优化

---

4、第四部分

4.1 谱峭度算法代码解读

4.2 什么是共振解调？

4.3 为什么要用谱峭度？

4.4 什么是包络解调？

4.5 谱峭度算法的代码框架？

4.6 怎么快速用起来？

4.7 结合源码的每一块代码的细节解读？

4.8 最优的参数怎么设？

4.9 算法优化的思路和方向

4.10 一些细节的叮嘱

---

5、第五部分

5.1 解卷积算法的讲解【结合代码】

5.2 最大相关峭度解卷积（MCKD）

5.3 最小熵解卷积(MED)

5.4 多点最优最小熵解卷积调整（MOMEDA）

---

6、第六部分

6.1 小波分析【结合代码】

6.2 一维小波分解

6.3 小波包分解（能量比）

6.4 小波分析的优化

---

7、第七部分

7.1 共振稀疏分解算法

7.2 共振稀疏分解的参数

7.3 各类粒子群算法优化共振稀疏分解的参数

---

8、第8部分

8.1 批处理与界面设计【结合代码】

8.2 批处理求特征指标（Example）

8.3 GUI 界面设计（Example）

---

念念不忘，必有回响

---

总结

笔者研究故障诊断多年，搞过学术，也做过企业研发，我能理解小白的难处，致力于以新人的视角，独特的思路，帮助大家更好的入门这个领域。关于深度学习篇的内容，也会持续更新，请大家保持关注。My 微是：ForwardTszs。