我有一个 40k Hz 的振动时间序列数据，用于预测设备故障。这里的目标是建立一个自动预测它的系统。我正在考虑几种方法，但不确定从机器学习的角度解决问题的最佳方法是什么。我将解释分析师通常如何手动执行此操作：

给定一维振动数据，我们希望将其分解为更小的部分（下图中为 1 秒，有时更多）。然后，使用快速傅里叶变换 (FFT)，我们可以将这个块带入频域并在那里进行一些分析。分析的几件事包括：尖峰的幅度、尖峰出现的频率、感兴趣的频率附近的振动值等。然后我们可以确定它是否异常。最后，我们在不同的数据块上反复进行，并得出最终结论。

我们如何使用机器/深度学习来表述这个问题？我们还需要做 FFT 还是可以用原始时间序列数据来做？特征和目标变量是什么样的？我真的很感激任何关于如何解决这个问题的想法。

谢谢！