滚动轴承健康监测与评估系统的设计与实现（PYQT展示不完全，需要全部私信）

1. 针对一个工程现实现场没有故障样本。所以不做故障分类而是做异常检测——只学正常状态长什么样,偏离越多就越不健康。2. 接入 XJTU-SY 轴承全寿命数据集按工况/个体整理成统一的采集序列文件名顺序时间顺序做了三种输入特征原始波形 / 幅值谱 / 包络谱。重点是包络谱——先取 Hilbert 包络再做谱分析,把轴承故障的周期冲击解调成清晰谱峰,模型更好学。3. 搭了 1D 卷积自编码器输入长度按特征自适应,并预留了域对抗DANN接口增强跨工况能力 只用健康段数据训练,让模型学会重构正常信号;退化时重构误差变大,以此作为健康信号源。4. 重构误差 → 标定 → 归一化 → EMA 平滑 → 首次报警FPT检测 → 换算成 0~100 健康度分数(给现场人员直接看)。同时用三性指标单调/趋势/鲁棒评估 HI 质量。5. 跑了多组跨工况迁移消融,定下最优配置: 包络谱比原始波形明显更好(鲁棒性、趋势性都涨,曲线更干净) 域对抗强度是关键:太强(λ1.0)训练不稳,温和(λ≈0.3)反而两个迁移方向都提升 两个后处理(HI 累计最大 / 按设备自身基线)会压平渐进退化轴承,默认关掉最后把权重归一化健康基线配置打包成一个可部署的 model.pt。6. 写了 score.py只带这个模型文件,就能对新数据算健康度、出报警和趋势图,不再依赖训练代码和原始数据集。7. 做了一个 PyQt5 桌面程序:登录注册 → 数据概览 → 健康评估 / 三性指标 / 寿命预测(HI 趋势外推估 RUL),深色主题、动态首页。