不确定条件下装备剩余寿命预测方法及应用
全新正版 极速发货
￥ 55.38 5.6折 ￥ 99 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者郑建飞//胡昌华//董青//张博玮|
出版社国防工业
ISBN9787118133288
出版时间2024-05
装帧平装
开本其他
定价99元
货号32103759
上书时间2024-07-02
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
郑建飞，男，1980年6月生，现任火箭军工程大学204教研室主任、副教授。2016年毕业于火箭军工程大学控制科学与工程专业，博士学位。主要研究方向：武器装备预测与健康管理。获军队（省部）级技术发明一等奖1项，科技进步二等奖1项，中国自动化学会自然科学二等奖1项，陕西省教学成果二等奖1项。在IEEE可靠性汇刊、自动化学报等国内外重要期刊发表论文30余篇，其中SCI检索10篇，EI检索15篇。
目录
第1章绪论1.1 剩余寿命预测的研究进展1.2 复杂不确定条件下的剩余寿命预测方法综述第2章 存在多层不确定影响下的随机退化装备剩余寿命预测方法2.1 引言2.2 考虑三层不确定性的非线性退化建模2.3 三层不确定下的剩余寿命预测分布推导2.4 三层不确定性下非线性模型的参数估计2.5 仿真验证与实例研究2.6 本章小结第3章 测量不确定性影响下的随机退化装备自适应剩余寿命预测方法3.1 引言3.2 问题描述与退化建模3.3 剩余寿命预测分布推导和自适应预测3.4 参数估计3.5 仿真验证与实例研究3.6 本章小结第4章 随机冲击影响下的随机退化装备自适应剩余寿命预测方法4.1 引言4.2 问题描述与退化建模4.3 剩余寿命预测分布推导与更新4.4 参数估计4.5 仿真验证与实例研究4.6 本章小结第5章分阶段退化情况下的随机退化装备自适应剩余寿命预测方法5.1 引言5.2 问题描述与退化建模5.3 两阶段剩余寿命预测分布推导与自适应预测5.4 参数估计5.5 仿真验证与实例研究5.6 本章小结第6章 单维数据缺失下基于深度学习的剩余寿命预测方法6.1 引言6.2 基于PSO-NICE的数据生成6.3 基于ATTENTION的BI-LSTM的RUL预测6.4 基于PSO-NICE缺失数据生成的RUL预测6.5 实验与分析6.6 本章小结第7章 多维数据缺失下基于深度学习的剩余寿命预测方法7.1 引言7.2 问题描述7.3 基于NICE模型的多元退化数据填充模型7.4 基于TCN-BILSTM模型的多元退化数据预测模型7.5 实例验证7.6 本章小结第8章基于混合深度神经网络的多元退化装备剩余寿命预测方法8.1 引言8.2 基于CDBN构建健康指标8.3 基于BILSTM网络进行时间序列预测8.4 构建CDBN-BILSTM网络模型框架8.5 实例验证 8.6 本章小结第9章考虑多性能指标相关性的退化装备剩余寿命预测方法9.1 引言 9.2 特征选择 9.3 基于COPULA函数构建健康指标9.4 基于ATTENTION-BILSTM网络进行时间序列预测 9.5 实例验证 9.6 本章小结
内容摘要
本书在综述当前装备剩余寿命预测方法基础上，分别介绍了随机冲击、分阶段退化等不确定条件下统计数据驱动的自适应预测方法，及数据缺失、多指标相关性等不确定情况下基于深度学习等智能算法的剩余寿命预测方法，并通过实例验证了各种剩余寿命预测方法，反映了国内外在剩余寿命预测方向上研究与应用的最新进展。
— 没有更多了 —
以下为对购买帮助不大的评价