🔧 振動信號分析平台

基於 IEEE PHM 2012 數據挑戰的軸承剩餘使用壽命（Remaining Useful Life, RUL）預測與振動信號分析平台。整合 Vue 3 前端與 FastAPI 後端，提供完整的軸承健康監測與故障診斷解決方案。

🎯 平台特色

批次分析模式：基於 IEEE PHM 2012 數據集的歷史數據分析
即時監控模式：支援即時串流信號處理與特徵提取
多維度分析：時域、頻域、時頻域、包絡分析、高階統計
雙資料庫架構：SQLite（批次分析）+ PostgreSQL（即時監控）
Redis 緩存機制：提升即時數據處理效能
WebSocket 通訊：低延遲的即時數據推送

✨ 主要功能

1. 儀表板（Dashboard）

IEEE PHM 2012 實驗數據總覽
PRONOSTIA 平台實驗資訊展示
軸承測試條件與失效標準說明
快速導航至各分析功能

2. 演算法原理說明（Algorithms）

時域分析（Time Domain）：Peak, RMS, Kurtosis, Crest Factor, EO
頻域分析（Frequency Domain）：FFT, FM0, TSA-FFT
包絡分析（Envelope Analysis）：希爾伯特轉換, NB4
時頻分析（Time-Frequency）：STFT, CWT, Spectrogram
高階統計（Higher-Order Statistics）：NA4, FM4, M6A, M8A, ER
診斷準則與故障類型對應表

3. 時域分析（Time Domain Analysis）

即時計算時域特徵值（水平與垂直方向）
Peak, Average, RMS, Crest Factor, Kurtosis, EO
時域特徵趨勢分析（多檔案）
信號波形可視化

4. 頻域分析（Frequency Domain Analysis）

FFT 頻譜分析
低頻 FM0 特徵計算
TSA 高頻 FFT 分析
頻域特徵趨勢追蹤
峰值頻率檢測與功率譜分析

5. 包絡分析（Envelope Analysis）

帶通濾波（10-500Hz 頻段，涵蓋軸承故障頻率）
希爾伯特轉換提取包絡
包絡頻譜分析
包絡統計（均值、標準差、RMS、峰峰值）

6. 時頻分析（Time-Frequency Analysis）

短時傅立葉轉換（STFT）
連續小波轉換（CWT）
頻譜圖分析（Spectrogram）
NP4 特徵計算
能量分佈分析

7. 高階統計分析（Higher-Order Statistics）

進階濾波特徵計算（NA4, FM4, M6A, M8A, ER）
分段統計分析
高階特徵趨勢追蹤
早期故障檢測指標

8. PHM 數據庫管理（PHM Database）

查看所有軸承資料庫記錄
檔案列表與測量數據查詢
軸承統計資訊檢視
異常振動數據搜尋

9. PHM 訓練資料（PHM Training）

訓練集摘要資訊
預處理分析結果
振動統計數據檢視

10. 溫度數據分析

溫度資料庫查詢（支持水平與垂直方向）
溫度趨勢追蹤
溫度統計資訊
區間搜尋功能

11. 即時分析（Real-time Analysis）🆕

即時串流信號處理與特徵提取
WebSocket 低延遲數據推送
即時特徵計算（時域、頻域、包絡）
多感測器並發監控
智能告警系統（閾值檢測、異常識別）
數據緩衝管理（滑動窗口、緩衝區）
即時圖表視覺化
PostgreSQL 高效能資料庫
Redis 快取與發布/訂閱
告警確認與歷史記錄

📸 系統截圖

🏗️ 技術架構

前端（Frontend）

框架: Vue 3 (Composition API) ^3.3.8
UI 組件: Element Plus ^2.4.3
路由: Vue Router 4 ^4.2.5 (77 行，12 個路由映射)
狀態管理: Pinia ^2.1.7
- stores/api.js (82 行): API 狀態管理
- stores/realtime.js (333 行): 即時數據狀態管理
圖表: Chart.js ^4.4.0 + vue-chartjs ^5.3.0, ECharts ^6.0.0
建構工具: Vite ^5.0.4
HTTP 客戶端: Axios ^1.6.2
圖標: @element-plus/icons-vue ^2.3.1
反向代理: Nginx（生產環境，Port 18880）
主要視圖組件 (11 個):
- Dashboard.vue (2,491 行): 系統儀表板
- ProjectAnalysis.vue (1,618 行): 專案分析
- EnvelopeAnalysis.vue (1,328 行): 包絡分析
- Algorithms.vue (1,218 行): 演算法說明
- FrequencyDomainAnalysis.vue (1,181 行): 頻域分析
- TimeFrequencyAnalysis.vue (1,142 行): 時頻分析
- TimeDomainAnalysis.vue (942 行): 時域分析
- HigherOrderStatistics.vue (933 行): 高階統計
- RealtimeAnalysis.vue (853 行): 即時分析
- PHMDatabase.vue (835 行): PHM 資料庫管理
- PHMTraining.vue (434 行): PHM 訓練數據

後端（Backend）

框架: FastAPI 0.104.1
API 主入口: main.py (2,106 行)
- 71 個函式端點（包含 PHM、演算法、溫度、即時監控、告警、發布/訂閱等）
- 4 個 WebSocket 端點（即時感測器數據推送、告警通知）
- 13 個 Pydantic 數據模型
伺服器: Uvicorn 0.24.0
資料庫:
- SQLite（批次分析：PHM 振動數據庫 + 溫度數據庫）
- PostgreSQL 15（即時監控：異步操作、高效能查詢）
緩存系統: Redis 7.2（發布/訂閱、數據快取）
即時通訊: WebSocket（FastAPI 內建，低延遲推送）
異步處理: asyncio, asyncpg 0.29.0, aiofiles
數據處理: NumPy 1.26.2, Pandas 2.1.3, SciPy 1.11.4
小波分析: PyWavelets 1.5.0
CORS 中間件: 支持跨域請求（Port 5173, 5174, 3000, 18880）
數據驗證: Pydantic 2.5.0
ORM: SQLAlchemy 2.0.23
Python 版本: Python 3.11+

容器化部署（Docker）

容器編排: Docker Compose
後端服務: Python 3.11 基於映像（Hot reload 支援）
前端服務: Nginx 生產模式（靜態檔案服務）
健康檢查: 自動服務監控
持久化存儲: Volume 掛載數據庫
網路: 自定義 bridge 網路（vibration-network）

核心演算法模組

時域分析（timedomain.py）

方法	功能	說明
`peak(x)`	峰值	max(x) - min(x)
`avg(x)`	平均值	mean(x)
`rms(num)`	均方根值	√(Σx²/n)
`cf(num)`	波峰因數	peak / rms
`kurt(num)`	峰度	四階中心矩標準化
`eo(num, label)`	EO 特徵	能量特徵計算

頻域分析（frequencydomain.py - 367 行）

方法	功能	說明
`fft_process(amp, fs)`	基礎 FFT	快速傅立葉轉換
`ifft_process(fft_value)`	逆 FFT	頻域轉時域
`fft_fm0_si(amp, fs)`	FM0 特徵	低頻能量比（0-10 kHz）
`tsa_fft_fm0_slf(amp, fs, fftoutput)`	TSA-FFT	時域同步平均後的高頻 FFT

包絡分析（hilberttransform.py - 152 行）

方法	功能	說明
`calculate_nb4(envelope_data, segment_count)`	NB4 特徵	包絡四階矩
`hilbert_transform(signal)`	希爾伯特轉換	提取包絡信號
`analyze_signal(signal, segment_count)`	完整分析	帶通濾波 + 希爾伯特 + NB4

時頻分析（timefrequency.py - 507 行）

方法	功能	說明
`stft_analysis(x, fs, window, nperseg)`	STFT	短時傅立葉轉換
`cwt_analysis(x, fs, wavelet, scales)`	CWT	連續小波轉換
`spectrogram_features(x, fs)`	頻譜圖	NP4 特徵計算
`_calculate_np4(magnitude)`	NP4	頻譜圖四階矩

高階統計（filterprocess.py - 214 行）

方法	功能	說明
`NA4(signal, m)`	正規化四階矩	分段統計，檢測早期故障
`FM4(signal)`	四階矩	頻域異常檢測
`M6A(signal)`	六階矩	高階矩特徵
`M8A(signal)`	八階矩	高階矩特徵
`ER(signal, fs)`	能量比	頻帶能量比率
`calculate_all_features(signal, fs, segment_count)`	綜合分析	計算所有進階濾波特徵

PHM 數據查詢模組

phm_query.py (370 行) - PHM 振動數據庫查詢
phm_temperature_query.py (252 行) - PHM 溫度數據庫查詢
phm_processor.py (210 行) - PHM 數據處理器

即時分析模組（Real-time Stack）🆕

WebSocket 連線管理（websocket_manager.py - 492 行）

ConnectionManager 類別:
- active_connections: Dict[int, Set[WebSocket]]  # sensor_id -> connections
- websocket_sensor_map: Dict[WebSocket, int]

方法:
- connect(websocket, sensor_id)           # 連接到感測器
- disconnect(websocket)                  # 斷開連線
- send_personal_message(message, ws)      # 發送個人訊息
- broadcast_to_sensor(sensor_id, message) # 廣播給特定感測器
- broadcast_to_all(message)              # 廣播給所有連線

緩衝管理（buffer_manager.py - 355 行）

SensorBuffer 類別:
- buffer: deque(maxlen=25600)      # 循環緩衝區（約 1 秒數據）
- timestamps: deque(maxlen=25600)
- window_start: Optional[datetime]
- sample_count: int

方法:
- add_sample(timestamp, h_acc, v_acc)        # 添加單個樣本
- add_batch(samples)                          # 批量添加
- get_window(window_seconds)                  # 獲取時間窗口
- is_ready(min_samples)                       # 檢查緩衝是否就緒
- clear()                                    # 清空緩衝
- get_stats()                                # 獲取統計資訊

Redis 異步客戶端（redis_client.py - 497 行）

RedisClient 類別:
- redis: aioredis.Redis
- _is_connected: bool

主要功能:
- Stream Operations: add_sensor_data, add_sensor_data_batch
- Feature Caching: cache_features, get_cached_features
- Pub/Sub: publish, subscribe
- Connection Tracking: add_active_connection, remove_active_connection
- Alert Queueing: queue_alert, get_alerts
- Sensor Status: update_sensor_status, get_sensor_status

PostgreSQL 異步資料庫（database_async.py - 416 行）

AsyncDatabase 類別:
- pool: asyncpg.Pool
- _is_connected: bool

連接池配置:
- min_size: 10
- max_size: 50
- max_queries: 50000
- max_inactive_connection_lifetime: 300s
- command_timeout: 60s

方法:
- init_pool()              # 初始化連接池
- close_pool()             # 關閉連接池
- execute(query, *args)    # 執行非查詢 SQL
- fetch(query, *args)      # 獲取多行
- fetchone(query, *args)   # 獲取單行
- fetchval(query, *args)   # 獲取單個值
- insert_sensor_data(...)  # 批量插入感測器數據
- save_features(...)       # 保存特徵值

即時分析引擎（realtime_analyzer.py - 415 行）

RealTimeAnalyzer 類別:
- buffer_manager: BufferManager
- running: bool
- analysis_tasks: Dict[int, asyncio.Task]
- time_domain: TimeDomain
- freq_domain: FrequencyDomain
- filter_process: FilterProcess

方法:
- start_analysis(sensor_id)          # 啟動即時分析
- stop_analysis(sensor_id)           # 停止即時分析
- _analysis_loop(sensor_id)          # 分析循環
- _extract_features(window_data)     # 提取特徵
- _save_features(sensor_id, features) # 保存特徵
- _check_alerts(sensor_id, features) # 檢查告警

前端即時狀態管理（stores/realtime.js - 333 行）

useRealtimeStore (Pinia Store):
State:
- isConnected: boolean
- currentSensor: number
- latestFeatures: object
- alertHistory: array
- isStreaming: boolean
- connectionStatus: string
- signalBuffer: object
- featureBuffer: object

Actions:
- connect(sensorId)          # 連接到感測器
- disconnect()              # 斷開連線
- updateFeatures(data)       # 更新特徵
- addAlert(alert)           # 添加告警
- clearBuffers()            # 清空緩衝區
- acknowledgeAlert(alertId)  # 確認告警
- scrollWindow()            # 滾動窗口

前端 WebSocket 服務（services/websocket.js - 199 行）

RealtimeService 類別:
- ws: WebSocket
- reconnectAttempts: number
- maxReconnectAttempts: number
- reconnectDelay: number
- listeners: Map
- isConnected: boolean
- manualClose: boolean

方法:
- connect(sensorId)        # 連接到 WebSocket
- disconnect()            # 斷開連線
- on(event, callback)     # 註冊事件監聽器
- off(event, callback)    # 移除事件監聽器
- emit(event, data)       # 觸發事件

realtime_analyzer.py - 即時特徵提取引擎
buffer_manager.py - 數據緩衝管理（滑動窗口、環形緩衝）
websocket_manager.py - WebSocket 連線管理
redis_client.py - Redis 客戶端（快取、發布/訂閱）
database_async.py - 異步資料庫操作（PostgreSQL）

📦 安裝與運行

前置需求

Python 3.11+（推薦使用 uv 套件管理器）
Node.js 16+
Docker & Docker Compose（推薦用於容器化部署）
PostgreSQL 15+（即時分析功能）
Redis 7.2+（即時分析功能）
npm 或 yarn

1. 本地開發（推薦使用 uv）

後端設置

# 安裝 uv（如果尚未安裝）
pip install uv

# 創建虛擬環境並安裝依賴
cd backend
uv venv
source .venv/bin/activate  # Linux/Mac
# 或 .venv\Scripts\activate  # Windows

# 設置環境變數（複製並編輯）
cp ../.env.example ../.env
# 編輯 .env 文件，配置 PostgreSQL 和 Redis 連線

# 使用 uv 運行後端
uv run python main.py

後端將運行於 http://localhost:8081

API 文檔: http://localhost:8081/docs

前端設置

cd frontend

# 安裝依賴
npm install

# 啟動開發服務器
npm run dev

# 或建構生產版本
npm run build

前端開發模式將運行於 http://localhost:5173 前端生產模式（Docker）將運行於 http://localhost:18880

2. Docker 容器化部署（推薦）

# 設置環境變數（首次運行）
cp .env.example .env
# 編輯 .env 文件以自訂配置

# 啟動所有服務（前端 + 後端 + PostgreSQL + Redis）
docker-compose up -d

# 查看日誌
docker-compose logs -f backend
docker-compose logs -f frontend

# 停止服務
docker-compose down

# 停止並清理數據卷（⚠️ 會刪除數據）
docker-compose down -v

服務訪問地址：

前端（Nginx 生產模式）：http://localhost:18880
後端 API：http://localhost:8081
API 文檔：http://localhost:8081/docs
PostgreSQL：localhost:5432
Redis：localhost:6379

3. 生產環境建構

# 前端建構
cd frontend
npm run build

# 後端使用 Uvicorn 部署
cd backend
uvicorn main:app --host 0.0.0.0 --port 8081

📊 資料庫結構

PHM 振動數據庫（phm_data.db）

檔案: /backend/phm_data.db (1.4 GB) 資料表:

bearings (軸承表)
- bearing_id: Integer (主鍵)
- bearing_name: String (如 "Bearing1_1")
- condition_id: Integer
- description: String

measurement_files (測量檔案表)
- file_id: Integer (主鍵)
- bearing_id: Integer (外鍵)
- file_number: Integer (檔案編號)
- created_at: DateTime

measurements (測量數據表)
- measurement_id: Integer (主鍵)
- file_id: Integer (外鍵)
- horizontal_acceleration: Float (水平加速度)
- vertical_acceleration: Float (垂直加速度)

PHM 溫度數據庫（phm_temperature_data.db）

檔案: /backend/phm_temperature_data.db (32 KB) 資料表:

bearings (軸承表)
- bearing_id: Integer (主鍵)
- bearing_name: String
- description: String

measurement_files (測量檔案表)
- file_id: Integer (主鍵)
- bearing_id: Integer (外鍵)
- file_number: Integer

temperature_measurements (溫度測量表)
- measurement_id: Integer (主鍵)
- file_id: Integer (外鍵)
- horizontal_temperature: Float
- vertical_temperature: Float

PostgreSQL 即時分析資料庫（vibration_analysis）🆕

初始化腳本: /scripts/init_postgres.sql 連接池配置: min_size=10, max_size=50, command_timeout=60s

資料表:

sensors (感測器註冊表)
- sensor_id: UUID (主鍵)
- sensor_name: String
- sensor_type: String (accelerometer, temperature, etc.)
- sampling_rate: Float
- location: String
- is_active: Boolean

sensor_data (即時感測器數據表 - 分區表)
- data_id: BigSerial (主鍵)
- sensor_id: UUID (外鍵)
- timestamp: Timestamp
- horizontal_acceleration: Float
- vertical_acceleration: Float
- temperature: Float

realtime_features (即時特徵值表)
- feature_id: BigSerial (主鍵)
- sensor_id: UUID (外鍵)
- window_start: Timestamp
- window_end: Timestamp
- rms_h, rms_v: Float (均方根值)
- peak_h, peak_v: Float (峰值)
- kurtosis_h, kurtosis_v: Float (峰度)
- crest_factor_h, crest_factor_v: Float (波峰因數)
- fm0_h, fm0_v: Float (低頻能量比)
- dominant_freq_h, dominant_freq_v: Float (主頻)
- nb4_h, nb4_v: Float (包絡四階矩)
- na4_h, na4_v: Float (正規化四階矩)
- fm4_h, fm4_v: Float (四階矩)

alerts (告警記錄表)
- alert_id: UUID (主鍵)
- sensor_id: UUID (外鍵)
- alert_type: String
- severity: String (info, warning, critical)
- message: Text
- feature_name: String
- current_value: Float
- threshold_value: Float
- is_acknowledged: Boolean
- acknowledged_by: String
- acknowledged_at: Timestamp

stream_sessions (串流會話表)
- session_id: UUID (主鍵)
- sensor_id: UUID (外鍵)
- client_id: String
- connected_at: Timestamp
- disconnected_at: Timestamp
- status: String
- bytes_received: Integer
- data_points_received: Integer

alert_configurations (告警配置表)
- config_id: Integer (主鍵)
- sensor_id: UUID (外鍵)
- feature_name: String
- threshold_min: Float
- threshold_max: Float
- severity: String
- enabled: Boolean

視圖:

v_latest_features (最新特徵視圖)
- 提供每個感測器的最新特徵值

v_active_alerts (活躍告警視圖)
- 提供所有未確認的告警記錄

v_sensor_status (感測器狀態摘要視圖)
- 提供感測器的連接狀態與統計資訊

🔌 API 端點

API 端點統計 (共 71 個函式端點 + 4 個 WebSocket 端點)

PHM 數據管理 (2 個端點)

GET /api/phm/training-summary - 獲取訓練集摘要
GET /api/phm/analysis-data - 獲取預處理分析數據

PHM 數據庫查詢 (7 個端點)

GET /api/phm/database/bearings - 獲取所有軸承列表
GET /api/phm/database/bearing/{bearing_name} - 獲取特定軸承資訊
GET /api/phm/database/bearing/{bearing_name}/files - 獲取檔案列表（分頁）
GET /api/phm/database/bearing/{bearing_name}/measurements - 獲取測量數據（分頁）
GET /api/phm/database/bearing/{bearing_name}/file/{file_number}/data - 獲取完整檔案數據
GET /api/phm/database/bearing/{bearing_name}/statistics - 獲取統計資訊
GET /api/phm/database/bearing/{bearing_name}/anomalies - 搜尋異常振動數據

時域分析 (2 個端點)

GET /api/algorithms/time-domain/{bearing_name}/{file_number} - 計算時域特徵
GET /api/algorithms/time-domain-trend/{bearing_name} - 計算時域特徵趨勢

頻域分析 (4 個端點)

GET /api/algorithms/frequency-domain/{bearing_name}/{file_number} - 計算 FFT 頻譜
GET /api/algorithms/frequency-domain-trend/{bearing_name} - 計算頻域特徵趨勢
GET /api/algorithms/frequency-fft/{bearing_name}/{file_number} - 計算低頻 FM0 特徵
GET /api/algorithms/frequency-tsa/{bearing_name}/{file_number} - 計算 TSA 高頻 FFT

包絡分析 (2 個端點)

GET /api/algorithms/envelope/{bearing_name}/{file_number} - 計算包絡頻譜
GET /api/algorithms/hilbert/{bearing_name}/{file_number} - 希爾伯特轉換與 NB4

時頻分析 (3 個端點)

GET /api/algorithms/stft/{bearing_name}/{file_number} - 短時傅立葉轉換
GET /api/algorithms/cwt/{bearing_name}/{file_number} - 連續小波轉換
GET /api/algorithms/spectrogram/{bearing_name}/{file_number} - 頻譜圖分析

高階統計分析 (3 個端點)

GET /api/algorithms/higher-order/{bearing_name}/{file_number} - 計算高階統計特徵（舊版）
GET /api/algorithms/filter-features/{bearing_name}/{file_number} - 計算進階濾波特徵（NA4, FM4, M6A, M8A, ER）
GET /api/algorithms/filter-trend/{bearing_name} - 計算進階濾波特徵趨勢

溫度數據查詢 (7 個端點)

GET /api/temperature/bearings - 獲取所有有溫度資料的軸承
GET /api/temperature/bearing/{bearing_name} - 獲取特定軸承溫度資訊
GET /api/temperature/data/{bearing_name} - 獲取溫度測量資料
GET /api/temperature/trends/{bearing_name} - 獲取溫度趨勢
GET /api/temperature/statistics - 獲取溫度統計資訊
GET /api/temperature/search - 搜尋溫度資料
GET /api/temperature/database/info - 獲取溫度資料庫資訊

即時分析與監控 (9 個端點)

POST /api/sensor/data - 接收機台推送的感測器數據（批量）
POST /api/sensor/data/stream - 流式接收機台推送的感測器數據
GET /api/stream/status - 獲取串流狀態
GET /api/realtime/features/{sensor_id} - 獲取即時特徵值
GET /api/alerts/active - 獲取活躍告警
POST /api/alerts/acknowledge/{alert_id} - 確認告警
GET /api/sensors - 列出所有感測器
GET /api/sensors/{sensor_id}/status - 獲取感測器狀態
GET /api/sensors/{sensor_id}/data - 獲取感測器數據

Redis 發布/訂閱 (3 個端點)

POST /api/pubsub/publish - 發布訊息到 Redis 頻道
POST /api/pubsub/features/{sensor_id} - 發布特徵更新
POST /api/pubsub/alert - 發布告警訊息

其他端點 (2 個)

GET / - 根路由（健康檢查）
POST /api/stream/start - 啟動即時串流

WebSocket 端點 (4 個) 🆕

WS /ws/realtime/{sensor_id} - 即時感測器數據推送
WS /ws/alerts - 告警通知推送
WS /ws/pubsub/{channel} - Redis Pub/Sub 代理
WS /ws/stream/{sensor_id} - 即時串流數據推送

🎯 使用流程

1. 查看 PHM 數據庫

進入「PHM Database」頁面，查看可用的軸承與測量數據。

2. 演算法學習

在「Algorithms」頁面學習各種振動分析演算法的原理與應用。

3. 執行振動分析

選擇分析類型（時域/頻域/包絡/時頻/高階統計）
選擇軸承與檔案編號
調整參數（採樣率、濾波器頻段等）
查看分析結果與可視化圖表

4. 追蹤趨勢

使用各種趨勢分析功能，追蹤軸承健康狀態變化。

5. 溫度監測

在溫度數據分析頁面查看軸承溫度變化趨勢。

6. 即時監控（🆕 Real-time Monitoring）

進入「Real-time Analysis」頁面
選擇要監控的感測器
啟動即時串流
查看即時特徵值與圖表
接收並處理告警通知
追蹤感測器健康狀態

🔍 診斷準則

IEEE PHM 2012 失效標準

振動幅度 > 20g: 軸承失效
加速度超過閾值: 觸發告警

關鍵指標閾值

Kurtosis > 8: 嚴重缺陷
NA4 > 3: 早期故障
NB4 顯著增加: 包絡異常
FM4 > 1.5: 頻域異常
M6A/M8A: 高階矩特徵監測
RMS 持續上升: 磨損加劇

PRONOSTIA 實驗平台

軸承規格: 外徑 32mm，內徑 20mm，厚度 7mm
滾珠數量: 13 個，直徑 3.5mm
負載條件: 4000N (動態), 2470N (靜態)
採樣頻率: 25.6 kHz
測量方向: 水平與垂直加速度

🚀 進階功能

趨勢分析

時域特徵趨勢（RMS, Peak, Kurtosis 變化）
頻域特徵趨勢（FM0 變化）
高階統計趨勢（NA4, FM4, M6A, M8A）
溫度趨勢追蹤

多檔案批量分析

支持一次性分析多個檔案
自動生成趨勢圖表
快速定位異常檔案

異常檢測

基於閾值的異常振動搜尋
支持自訂檢測閾值
快速定位潛在故障點
即時告警系統：
- 多級告警（Info、Warning、Critical）
- 自動異常檢測
- 告警確認機制
- 告警歷史記錄
- 即時推播通知

⚙️ 關鍵配置參數

全域配置（backend/config.py）

# 資料庫路徑
PHM_DATABASE_PATH = "./backend/phm_data.db"  # 1.4 GB
PHM_TEMPERATURE_DATABASE_PATH = "./backend/phm_temperature_data.db"  # 32 KB

# API 配置
API_HOST = "0.0.0.0"
API_PORT = 8081
CORS_ORIGINS = ["http://localhost:5173", "http://localhost:5174", "http://localhost:3000"]

# 採樣率
DEFAULT_SAMPLING_RATE = 25600  # Hz (IEEE PHM 2012 標準)

# 包絡分析濾波器配置
ENVELOPE_FILTER_LOWCUT = 10   # Hz
ENVELOPE_FILTER_HIGHCUT = 500  # Hz (涵蓋 BPFI 諧波)

# 資料點顯示限制
SIGNAL_DISPLAY_LIMIT = 1000
SPECTRUM_DISPLAY_LIMIT = 1000
ENVELOPE_SPECTRUM_DISPLAY_LIMIT = 500

# PHM 數據目錄
PHM_DATA_DIR = "./phm-ieee-2012-data-challenge-dataset"
PHM_RESULTS_DIR = "./phm_analysis_results"

即時分析配置（環境變數 .env）

# PostgreSQL
POSTGRES_USER=vibration
POSTGRES_PASSWORD=vibration_pass
POSTGRES_DB=vibration_analysis
DATABASE_URL_POSTGRESQL=postgresql://vibration:vibration_pass@postgres:5432/vibration_analysis

# Redis
REDIS_PASSWORD=redis_pass
REDIS_URL=redis://:redis_pass@redis:6379/0

# Real-time Configuration
ENABLE_REALTIME=true
MAX_WEBSOCKET_CONNECTIONS=100
SENSOR_BUFFER_SIZE=25600
FEATURE_COMPUTATION_INTERVAL=1.0  # 秒

# PostgreSQL 連接池配置
POSTGRES_POOL_MIN_SIZE=10
POSTGRES_POOL_MAX_SIZE=50
POSTGRES_POOL_MAX_QUERIES=50000
POSTGRES_POOL_MAX_INACTIVE_LIFETIME=300  # 秒
POSTGRES_COMMAND_TIMEOUT=60  # 秒

告警閾值配置

# 告警嚴重級別
SEVERITY_INFO = "info"       # 情報提示
SEVERITY_WARNING = "warning" # 警告級別
SEVERITY_CRITICAL = "critical" # 嚴重級別

# 默認告警閾值
KURTOSIS_THRESHOLD = 8.0      # 峰度閾值
NA4_THRESHOLD = 3.0           # NA4 閾值
NB4_THRESHOLD_FACTOR = 2.0   # NB4 閾值因子
FM4_THRESHOLD = 1.5           # FM4 閾值
VIBRATION_THRESHOLD = 20.0   # 振動閾值 (g)

🛠️ 開發指南

新增演算法

在 backend/ 下新增或修改演算法模組
- 參考 timedomain.py, frequencydomain.py, filterprocess.py 等現有模組
- 遵循現有的函數簽名和返回格式
在 main.py 中新增 API 端點
- 使用 FastAPI 路由裝飾器
- 添加適當的型別提示和驗證
在前端 views/ 下新增對應分析頁面
- 使用 Vue 3 Composition API
- 遵循 Element Plus UI 組件規範
更新路由配置 router/index.js
- 添加新的路由映射
- 設置適當的 meta 信息

擴展即時分析功能

演算法集成：
- 在 realtime_analyzer.py 的 _extract_features 方法中添加新特徵
- 更新 RealtimeFeatures 數據模型（models.py）
告警配置：
- 在 PostgreSQL 中添加新的告警配置（alert_configurations 表）
- 更新 _check_alerts 方法以支持新的告警規則
WebSocket 事件：
- 在 websocket_manager.py 中添加新的廣播方法
- 在前端 services/websocket.js 中添加事件監聽器
前端狀態管理：
- 更新 stores/realtime.js 中的狀態和 actions
- 在對應的 Vue 組件中使用 Pinia store

數據庫擴展

批次分析數據庫（SQLite）：
- 修改 phm_query.py 添加新的查詢方法
- 使用 SQLAlchemy ORM 定義新表
即時分析數據庫（PostgreSQL）：
- 更新 scripts/init_postgres.sql 添加新表或視圖
- 在 database_async.py 中添加異步查詢方法
更新 API 端點支持新功能
前端添加對應的數據展示組件

參數調整

修改 backend/config.py 調整全域配置
在各演算法模組中調整閾值參數
前端通過 API 參數傳遞自訂配置
使用環境變數 .env 配置部署環境

📁 專案結構

Viberation-RUL-Prognostics/
├── backend/                            # FastAPI 後端 (7,220 行 Python 代碼)
│   ├── main.py                        # API 主入口（2,106 行）
│   │                                   # 71 個函式端點 + 4 個 WebSocket 端點
│   ├── config.py                      # 全域配置（59 行）
│   │                                   # API、CORS、採樣率、濾波器配置
│   ├── models.py                      # SQLAlchemy 數據模型（79 行）
│   ├── phm_models.py                  # PHM 數據模型（59 行）
│   ├── phm_temperature_models.py      # 溫度數據模型（56 行）
│   ├── timedomain.py                  # 時域分析模組
│   ├── frequencydomain.py             # 頻域分析模組（367 行）
│   ├── filterprocess.py               # 高階統計濾波（214 行）
│   ├── timefrequency.py               # 時頻分析（507 行）
│   ├── hilberttransform.py            # 希爾伯特轉換（152 行）
│   ├── phm_query.py                   # PHM 振動數據庫查詢（370 行）
│   ├── phm_temperature_query.py       # 溫度數據庫查詢（252 行）
│   ├── phm_processor.py               # PHM 數據處理器（210 行）
│   ├── realtime_analyzer.py           # 🆕 即時分析引擎（415 行）
│   ├── buffer_manager.py              # 🆕 緩衝管理（355 行）
│   ├── websocket_manager.py           # 🆕 WebSocket 管理（492 行）
│   ├── redis_client.py                # 🆕 Redis 客戶端（497 行）
│   ├── database_async.py              # 🆕 異步資料庫（416 行）
│   ├── harmonic_sildband_table.py     # 諧波分析表（179 行）
│   ├── initialization.py              # 系統初始化（292 行）
│   ├── phm_data.db                    # SQLite PHM 數據庫（1.4 GB）
│   ├── phm_temperature_data.db        # SQLite 溫度數據庫（32 KB）
│   └── requirements.txt               # Python 依賴
├── frontend/                           # Vue 3 前端 (14,024 行代碼)
│   ├── src/
│   │   ├── views/                      # 頁面組件（11 個，共 13,178 行）
│   │   │   ├── Dashboard.vue           # 儀表板（2,491 行）
│   │   │   ├── Algorithms.vue          # 演算法說明（1,218 行）
│   │   │   ├── TimeDomainAnalysis.vue  # 時域分析（942 行）
│   │   │   ├── FrequencyDomainAnalysis.vue # 頻域分析（1,181 行）
│   │   │   ├── EnvelopeAnalysis.vue    # 包絡分析（1,328 行）
│   │   │   ├── TimeFrequencyAnalysis.vue # 時頻分析（1,142 行）
│   │   │   ├── HigherOrderStatistics.vue # 高階統計（933 行）
│   │   │   ├── PHMTraining.vue         # PHM 訓練數據（434 行）
│   │   │   ├── PHMDatabase.vue         # PHM 資料庫管理（835 行）
│   │   │   ├── ProjectAnalysis.vue     # 專案分析（1,618 行）
│   │   │   └── RealtimeAnalysis.vue    # 🆕 即時分析（853 行）
│   │   ├── router/                     # 路由配置（77 行）
│   │   │   └── index.js                # 12 個路由映射
│   │   ├── stores/                     # Pinia 狀態管理（415 行）
│   │   │   ├── api.js                  # API 狀態（82 行）
│   │   │   └── realtime.js             # 🆕 即時數據狀態（333 行）
│   │   ├── services/                   # 服務層（199 行）
│   │   │   └── websocket.js            # 🆕 WebSocket 服務（199 行）
│   │   ├── config/                     # API 配置（33 行）
│   │   ├── App.vue                     # 主組件（295 行）
│   │   └── main.js                     # 入口文件（30 行）
│   ├── package.json                    # Node 依賴（25 行）
│   ├── vite.config.js                  # Vite 配置
│   ├── Dockerfile                      # 生產環境 Dockerfile（36 行）
│   └── Dockerfile.dev                  # 開發環境 Dockerfile
├── docs/                               # 📚 文檔資源
│   ├── System_Analysis.md              # 系統架構分析
│   ├── Software_Engineering_Challenges.md # 工程挑戰與解決方案
│   ├── Software_Engineering_Contributions.md # 貢獻文檔
│   ├── UML.md                           # UML 架構圖
│   ├── Realtime_Analysis_Implementation.md # 🆕 即時分析實作
│   ├── RealTimeAnalysis.md             # 即時分析指南
│   ├── FrequencyDomain.md               # 頻域分析說明
│   ├── Initialization.md                # 初始化指南
│   ├── frontend-env-config.md           # 前端環境配置
│   ├── Contribution_Difficulty_Cline.md # 貢獻指南
│   ├── SensorDataPushGuide.md           # 🆕 感測器數據推送指南
│   ├── FONT.md                          # 字體規範
│   └── CSS-UNIFICATION.md               # CSS 統一規範
├── scripts/                            # 工具腳本
│   ├── create_phm_database.py          # 創建 PHM 資料庫
│   ├── import_phm_data.py              # 導入 PHM 數據集
│   ├── query_phm_data.py               # 查詢 PHM 數據
│   ├── create_temperature_database.py  # 創建溫度資料庫
│   ├── analyze_training_data.py        # 分析訓練數據
│   ├── init_postgres.sql               # PostgreSQL 初始化（264 行）
│   ├── continuous_machine_simulator.py # 🆕 持續數據推送模擬器
│   ├── test_sensor_data_push.py        # 🆕 測試感測器數據推送
│   ├── check_sensor_data.py            # 🆕 檢查感測器數據
│   ├── start_backend.sh                # 後端啟動腳本
│   └── start_frontend.sh               # 前端啟動腳本
├── phm_analysis_results/               # 預處理分析結果
├── phm-ieee-2012-data-challenge-dataset/ # 原始數據集
├── .env.example                        # 環境變數模板
├── docker-compose.yml                  # Docker 編排配置（127 行）
├── pyproject.toml                      # Python 專案配置
├── README.md                           # 專案說明（本文件）
└── CLAUDE.md                           # 開發指南

📚 參考資源

IEEE PHM 2012 Data Challenge

主辦單位: FEMTO-ST 研究所（法國）
實驗平台: PRONOSTIA
研究目標: 軸承剩餘使用壽命（RUL）預測
數據集: 包含完整的軸承退化過程數據

程式碼分析工具（LSP）

本專案使用 Language Server Protocol (LSP) 工具進行程式碼分析和文檔整理：

後端分析（main.py - 2,106 行）

API 端點數量: 71 個函式端點
WebSocket 端點: 4 個實時數據推送端點
核心模組: 振動分析、PHM 數據查詢、即時串流、溫度監測、告警系統
數據模型: 13 個 Pydantic 模型
異步支持: 完整的 async/await 模式
數據驗證: Pydantic 模型驗證
函式符號:
- PHM 數據管理: 2 個函式
- PHM 數據庫查詢: 7 個函式
- 時域分析: 2 個函式
- 頻域分析: 4 個函式
- 包絡分析: 2 個函式
- 時頻分析: 3 個函式
- 高階統計: 3 個函式
- 溫度查詢: 7 個函式
- 即時監控: 9 個函式
- 發布/訂閱: 3 個函式
- WebSocket: 2 個函式
- 其他: 2 個函式

前端分析（12 個路由，11 個視圖組件，共 14,024 行代碼）

路由配置: Vue Router 4 (77 行，12 個路由映射)
狀態管理: Pinia stores（API: 82 行 + Realtime: 333 行）
組件數量: 11 個主要分析頁面（共 13,178 行）
WebSocket 服務: 自動重連、事件監聽、錯誤處理（199 行）
緩衝管理: 1000 點滾動窗口，自動數據修剪

技術架構演進

本專案從純批次分析系統演進為混合架構平台：

Phase 1 - 批次分析系統：

SQLite 資料庫儲存 PHM 數據集（phm_data.db: 1.4 GB, phm_temperature_data.db: 32 KB）
同步 API 處理分析請求
Vue 3 前端提供操作介面
支援歷史數據的批次分析

Phase 2 - 即時監控系統（🆕 目前版本）：

PostgreSQL 15 支援高並發寫入（連接池：min_size=10, max_size=50）
Redis 7.2 提供快取與發布/訂閱機制（持久化：AOF）
WebSocket 實現低延遲推送（max_connections=100）
異步處理提升吞吐量（asyncpg, asyncio, aiofiles）
智能告警系統（多級告警：info/warning/critical）
支援多感測器並發監控（最大 100 並發連線）
緩衝管理（滑動窗口：25600 樣本，1 秒計算週期）

🤝 貢獻

歡迎提交 Issue 或 Pull Request！

📄 授權

此專案採用 MIT 授權條款。

👤 作者

Lin Hung Chuan

🎉 開始您的軸承 RUL 預測之旅！

Name		Name	Last commit message	Last commit date
Latest commit History 32 Commits
.claude		.claude
backend		backend
docs		docs
frontend		frontend
phm_analysis_results		phm_analysis_results
screenshot		screenshot
scripts		scripts
tests		tests
.env.example		.env.example
.gitignore		.gitignore
.gitmodules		.gitmodules
README.md		README.md
docker-compose.dev.yml		docker-compose.dev.yml
docker-compose.yml		docker-compose.yml
phm_data.db		phm_data.db
pyproject.toml		pyproject.toml
uv.lock		uv.lock

sprigga/Vibration-RUL-Prognostics

Folders and files

Latest commit

History

Repository files navigation