智能運(yùn)維與健康管理

第1章 緒論
1.1 引言
1.1.1 PHM技術(shù)
1.1.2 國外PHM技術(shù)發(fā)展
1.1.3 PHM技術(shù)發(fā)展
1.2 機(jī)械設(shè)備的故障診斷與預(yù)測(cè)
1.3 PHM中的經(jīng)濟(jì)要素
第2章 機(jī)械設(shè)備的狀態(tài)監(jiān)測(cè)與數(shù)據(jù)獲取
2.1 狀態(tài)監(jiān)測(cè)的定義與作用
2.2 狀態(tài)監(jiān)測(cè)與數(shù)據(jù)獲取
2.2.1 振動(dòng)分析法
2.2.2 溫度分析法
2.2.3 油液分析法
2.2.4 噪聲分析法
2.2.5 無損檢測(cè)技術(shù)
2.3 狀態(tài)監(jiān)測(cè)網(wǎng)絡(luò)與數(shù)據(jù)質(zhì)量
2.3.1 傳感器的選擇
2.3.2 數(shù)據(jù)獲取的困難
2.3.3 數(shù)據(jù)量難以完善
2.3.4 數(shù)據(jù)質(zhì)量難以保障
第3章 故障與異常判別技術(shù)
3.1 基于機(jī)理模型的故障判別技術(shù)
3.1.1 典型故障模式
3.1.2 典型故障機(jī)理建模
3.1.3 機(jī)理模型故障判別應(yīng)用
3.2 基于數(shù)理統(tǒng)計(jì)分析的故障判別技術(shù)
3.2.1 數(shù)據(jù)的插值和擬合方法
3.2.2 回歸分析方法
3.2.3 回歸分析在機(jī)械設(shè)備智能運(yùn)維中的運(yùn)用
3.3 基于大數(shù)據(jù)與人工智能的故障判別技術(shù)
3.3.1 大數(shù)據(jù)分析與人工智能概述
3.3.2 人工神經(jīng)網(wǎng)絡(luò)概述
3.3.3 遷移學(xué)習(xí)概述
3.3.4 使用人工智能技術(shù)進(jìn)行故障異常判別
第4章 退化預(yù)測(cè)與壽命預(yù)測(cè)技術(shù)
4.1 基于數(shù)理統(tǒng)計(jì)分析的退化預(yù)測(cè)與剩余壽命預(yù)測(cè)技術(shù)
4.1.1 回歸分析在退化預(yù)測(cè)和壽命預(yù)測(cè)中的運(yùn)用
4.1.2 隨機(jī)過程在退化預(yù)測(cè)和壽命預(yù)測(cè)中的運(yùn)用
4.2 基于大數(shù)據(jù)與人工智能的退化預(yù)測(cè)和壽命預(yù)測(cè)技術(shù)
4.2.1 基于神經(jīng)網(wǎng)絡(luò)的設(shè)備退化預(yù)測(cè)和壽命預(yù)測(cè)
4.2.2 基于遷移學(xué)習(xí)的設(shè)備退化預(yù)測(cè)和壽命預(yù)測(cè)
第5章 智能運(yùn)維的未來發(fā)展
5.1 信息物理系統(tǒng)融合
5.1.1 信息物理系統(tǒng)概述
5.1.2 信息物理系統(tǒng)與數(shù)字李生的聯(lián)系
5.1.3 信息物理系統(tǒng)與智能運(yùn)維
5.2 知識(shí)圖譜技術(shù)
5.2.1 知識(shí)圖譜概述
5.2.2 知識(shí)圖譜與智能運(yùn)維
5.3 設(shè)備精益管理
5.3.1 設(shè)備精益管理概述
5.3.2 設(shè)備精益管理與智能運(yùn)維
5.4 產(chǎn)品再設(shè)計(jì)
5.4.1 產(chǎn)品再設(shè)計(jì)概述
5.4.2 智能運(yùn)維與產(chǎn)品再設(shè)計(jì)
5.5 基于工業(yè)互聯(lián)網(wǎng)的運(yùn)維平臺(tái)建設(shè)
5.5.1 工業(yè)互聯(lián)網(wǎng)的內(nèi)涵及體系架構(gòu)
5.5.2 工業(yè)互聯(lián)網(wǎng)與智能運(yùn)維
參考文獻(xiàn)