123,123,123

內(nèi)容簡(jiǎn)介

　　本書(shū)重點(diǎn)關(guān)注數(shù)據(jù)驅(qū)動(dòng)的剩余壽命預(yù)測(cè)與維護(hù)決策技術(shù)，針對(duì)復(fù)雜裝備的智能運(yùn)維需求提供了一種較為完整的解決方案。全書(shū)共10章：第1章介紹了剩余壽命預(yù)測(cè)與維護(hù)決策的國(guó)內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)；第2～4章分別介紹了基于多變量模型、基于相似性模型以及基于隨機(jī)過(guò)程模型的典型的剩余壽命預(yù)測(cè)方法；第5～10章介紹了考慮安全風(fēng)險(xiǎn)規(guī)避、預(yù)測(cè)不確定性、維修不確定性以及維修資源約束下的預(yù)測(cè)維護(hù)方法。本書(shū)內(nèi)容由淺入深，語(yǔ)言通俗易懂，注重實(shí)踐性，并緊跟領(lǐng)域研究的前沿發(fā)展，為讀者提供既豐富又實(shí)用的專業(yè)內(nèi)容。本書(shū)可作為控制科學(xué)與工程、工業(yè)工程等學(xué)科的師生參考用書(shū)，同時(shí)對(duì)裝備健康管理、安全保障等領(lǐng)域的科研人員及工程技術(shù)人員具有一定的參考價(jià)值。

作者簡(jiǎn)介

　　陸寧云，南京航空航天大學(xué)教授，先后于1998、2000、2004年在東北大學(xué)獲學(xué)士、碩士、博士學(xué)位，2004年至2005年在香港科技大學(xué)化學(xué)工程系擔(dān)任副研究員，2006年至今任職于南京航空航天大學(xué)，曾任自動(dòng)化學(xué)院自動(dòng)控制系副主任、主任，現(xiàn)任自動(dòng)化學(xué)院副院長(zhǎng)。長(zhǎng)期致力于復(fù)雜系統(tǒng)智能診斷與預(yù)測(cè)運(yùn)維的理論與應(yīng)用研究，相關(guān)成果應(yīng)用于航空航天、軌道交通、船舶裝備、流程工業(yè)等行業(yè)領(lǐng)域。承擔(dān)國(guó)家自然科學(xué)基金項(xiàng)目4項(xiàng)以及科技部重點(diǎn)研發(fā)項(xiàng)目子課題、工信部**專項(xiàng)課題、江蘇省工業(yè)轉(zhuǎn)型升級(jí)重大專項(xiàng)、廣州市產(chǎn)學(xué)研轉(zhuǎn)化重大專項(xiàng)、南京“紫金之巔”產(chǎn)業(yè)鏈技術(shù)攻關(guān)揭榜項(xiàng)目等縱向計(jì)劃項(xiàng)目6項(xiàng)，完成航空工業(yè)、中國(guó)電科、中國(guó)船舶等多個(gè)國(guó)防單位委托的產(chǎn)學(xué)研課題12項(xiàng)；出版中英文專著4部、譯著1部，發(fā)表學(xué)術(shù)論文160余篇，授權(quán)發(fā)明專利30余項(xiàng)；研究成果獲江蘇省科學(xué)技術(shù)一等獎(jiǎng)和二等獎(jiǎng)各1項(xiàng)、自然科學(xué)二等獎(jiǎng)1項(xiàng)、廣東省科技進(jìn)步二等獎(jiǎng)1項(xiàng)以及中國(guó)自動(dòng)化學(xué)會(huì)、中國(guó)電子學(xué)會(huì)、中國(guó)機(jī)械工業(yè)學(xué)會(huì)、中國(guó)城市軌道交通學(xué)會(huì)等科研獎(jiǎng)勵(lì)5項(xiàng)；擔(dān)任江蘇省自動(dòng)化學(xué)會(huì)副秘書(shū)長(zhǎng)、中國(guó)自動(dòng)化學(xué)會(huì)全國(guó)技術(shù)過(guò)程故障診斷與安全專業(yè)委員會(huì)委員等社會(huì)兼職以及SCI期刊Sensors編委等學(xué)術(shù)兼職。

圖書(shū)目錄

第1章緒論001
1.1裝備維護(hù)保障的必要性和重要性001
1.2剩余壽命預(yù)測(cè)與維護(hù)決策的相關(guān)概念002
1.3剩余壽命預(yù)測(cè)研究現(xiàn)狀與趨勢(shì)004
1.4維護(hù)決策研究現(xiàn)狀與趨勢(shì)009
第2章基于多變量模型的剩余壽命預(yù)測(cè)方法014
2.1概述014
2.2主要思想015
2.3裝備退化特征提取017
2.3.1Spearman相關(guān)性指標(biāo)018
2.3.2Spearman趨勢(shì)性指標(biāo)018
2.4基于多變量深度森林算法的健康評(píng)估模型019
2.4.1基于量子模糊聚類的健康狀態(tài)劃分019
2.4.2基于深度森林算法的離線系統(tǒng)健康狀態(tài)評(píng)估021
2.5基于DLSTM的離線退化趨勢(shì)預(yù)測(cè)建模024
2.5.1LSTM網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)介024
2.5.2退化趨勢(shì)預(yù)測(cè)模型026
2.6基于組合模型的裝備在線剩余壽命預(yù)測(cè)方法027
2.6.1剩余壽命在線預(yù)測(cè)實(shí)施過(guò)程027
2.6.2預(yù)測(cè)評(píng)價(jià)標(biāo)準(zhǔn)028
2.7實(shí)驗(yàn)驗(yàn)證029
2.7.1數(shù)據(jù)來(lái)源029
2.7.2退化特征選擇結(jié)果031
2.7.3離線健康狀態(tài)評(píng)估建模與在線驗(yàn)證結(jié)果033
2.7.4離線退化趨勢(shì)預(yù)測(cè)建模和在線RUL估計(jì)037
2.8本章小結(jié)040
第3章基于相似性模型的剩余壽命預(yù)測(cè)方法041
3.1概述041
3.2主要思想042
3.3多變量退化特征提取043
3.3.1基于Relief算法的退化特征篩選043
3.3.2基于主成分分析的退化特征提取044
3.4基于退化特征相似性的剩余壽命預(yù)測(cè)046
3.4.1基于時(shí)間序列片段時(shí)延的相似性評(píng)估046
3.4.2基于KDE密度加權(quán)的模型綜合048
3.5實(shí)驗(yàn)驗(yàn)證049
3.5.1預(yù)測(cè)性能指標(biāo)050
3.5.2相似性評(píng)估與參數(shù)選擇053
3.6本章小結(jié)056
第4章基于隨機(jī)過(guò)程模型的剩余壽命預(yù)測(cè)方法057
4.1概述057
4.2主要思想057
4.3基于加速退化試驗(yàn)的混合退化過(guò)程建模058
4.4混合退化過(guò)程的壽命分布059
4.5混合退化過(guò)程的未知參數(shù)估計(jì)060
4.5.1動(dòng)態(tài)權(quán)重估計(jì)060
4.5.2使用M-H方法的混合過(guò)程未知參數(shù)估計(jì)062
4.6實(shí)驗(yàn)驗(yàn)證063
4.6.1參數(shù)估計(jì)063
4.6.2正常應(yīng)力水平下的可靠性分析066
4.6.3混合退化模型與傳統(tǒng)模型的比較068
4.7本章小結(jié)069
第5章帶有風(fēng)險(xiǎn)規(guī)避自適應(yīng)的預(yù)測(cè)維護(hù)方法070
5.1概述070
5.2主要思想070
5.3剩余壽命預(yù)測(cè)建模071
5.3.1SVR的基本理論071
5.3.2退化特征與剩余壽命之間關(guān)系建模072
5.4規(guī)避風(fēng)險(xiǎn)的預(yù)測(cè)維護(hù)策略制定073
5.4.1風(fēng)險(xiǎn)規(guī)避函數(shù)設(shè)計(jì)073
5.4.2在線剩余壽命預(yù)測(cè)076
5.4.3維護(hù)策略制定與成本計(jì)算077
5.5實(shí)驗(yàn)驗(yàn)證078
5.5.1單一預(yù)測(cè)模型的剩余壽命預(yù)測(cè)結(jié)果078
5.5.2規(guī)避風(fēng)險(xiǎn)剩余壽命預(yù)測(cè)結(jié)果與分析078
5.5.3預(yù)測(cè)維護(hù)規(guī)劃結(jié)果與分析080
5.6本章小結(jié)082
第6章基于剩余壽命預(yù)測(cè)區(qū)間的預(yù)測(cè)維護(hù)方法084
6.1概述084
6.2主要思想084
6.3剩余壽命預(yù)測(cè)區(qū)間估計(jì)086
6.3.1健康狀態(tài)劃分086
6.3.2剩余壽命預(yù)測(cè)邊界確定088
6.3.3在線剩余壽命預(yù)測(cè)區(qū)間估計(jì)090
6.4最優(yōu)維護(hù)決策091
6.4.1剩余壽命分布構(gòu)建091
6.4.2維護(hù)成本率函數(shù)形成與優(yōu)化092
6.4.3預(yù)測(cè)維護(hù)實(shí)施過(guò)程094
6.5實(shí)驗(yàn)驗(yàn)證094
6.5.1預(yù)測(cè)區(qū)間評(píng)估標(biāo)準(zhǔn)094
6.5.2預(yù)測(cè)區(qū)間估計(jì)實(shí)驗(yàn)結(jié)果與分析095
6.5.3維護(hù)決策實(shí)驗(yàn)結(jié)果與分析101
6.6本章小結(jié)103
第7章基于失效概率估計(jì)的預(yù)測(cè)維護(hù)方法105
7.1概述105
7.2主要思想105
7.3基于性能退化的失效概率預(yù)測(cè)107
7.3.1退化趨勢(shì)預(yù)測(cè)107
7.3.2未來(lái)不同時(shí)間窗口的失效概率估計(jì)108
7.4兩種期望維護(hù)成本博弈下的維護(hù)決策110
7.4.1維護(hù)成本計(jì)算110
7.4.2基于成本評(píng)估的維護(hù)時(shí)間的確定110
7.4.3維護(hù)成本率計(jì)算111
7.5實(shí)驗(yàn)驗(yàn)證112
7.5.1離線預(yù)測(cè)建模結(jié)果112
7.5.2在線維護(hù)規(guī)劃結(jié)果113
7.5.3維護(hù)策略性能分析116
7.6本章小結(jié)117
第8章考慮備件管理約束的預(yù)測(cè)維護(hù)方法118
8.1概述118
8.2主要思想118
8.3基于深度學(xué)習(xí)集成的系統(tǒng)健康預(yù)測(cè)119
8.3.1兩種深度學(xué)習(xí)算法集成119
8.3.2裝備健康預(yù)測(cè)實(shí)現(xiàn)過(guò)程121
8.4基于預(yù)測(cè)信息的維護(hù)和庫(kù)存決策規(guī)則122
8.4.1維護(hù)決策規(guī)則122
8.4.2庫(kù)存決策規(guī)則123
8.4.3預(yù)測(cè)維護(hù)實(shí)施過(guò)程123
8.5實(shí)驗(yàn)驗(yàn)證124
8.5.1預(yù)測(cè)精度討論125
8.5.2動(dòng)態(tài)預(yù)測(cè)維護(hù)決策結(jié)果與分析130
8.6本章小結(jié)133
第9章基于失效時(shí)刻概率密度預(yù)測(cè)的預(yù)測(cè)維護(hù)方法134
9.1概述134
9.2主要思想134
9.3失效時(shí)刻概率密度預(yù)測(cè)135
9.3.1基于深度學(xué)習(xí)分位數(shù)回歸的剩余壽命預(yù)測(cè)135
9.3.2基于核密度估計(jì)的失效時(shí)刻分布計(jì)算136
9.4基于預(yù)測(cè)信息的維護(hù)和庫(kù)存策略137
9.4.1維護(hù)策略137
9.4.2庫(kù)存策略138
9.5實(shí)驗(yàn)驗(yàn)證139
9.5.1DAE-LSTMQR模型的參數(shù)配置139
9.5.2失效時(shí)刻概率密度預(yù)測(cè)結(jié)果140
9.5.3維護(hù)和庫(kù)存決策結(jié)果142
9.6本章小結(jié)144
第10章面向非定期不可靠檢查的預(yù)測(cè)維護(hù)方法145
10.1概述145
10.2主要思想146
10.3維護(hù)策略的框架：描述和分析147
10.3.1維護(hù)描述147
10.3.2退化過(guò)程建模149
10.3.3維護(hù)成本函數(shù)149
10.4維護(hù)狀態(tài)演化與維護(hù)周期計(jì)算150
10.4.1基于半再生過(guò)程的長(zhǎng)期成本率計(jì)算150
10.4.2半再生過(guò)程中不可靠檢查的影響151
10.5維護(hù)優(yōu)化和參數(shù)更新153
10.5.1決策變量的確定153
10.5.2退化參數(shù)更新154
10.6實(shí)驗(yàn)驗(yàn)證155
10.6.1完美檢查下的維護(hù)策略分析156
10.6.2不可靠檢查下的維護(hù)策略分析158
10.6.3與定期可靠檢查下的維護(hù)策略比較160
10.7本章小結(jié)161
參考文獻(xiàn)162