智能运维技术及应用（智能制造系列丛书）

图书标准信息

• 作者 钟诗胜、张永健、付旭云 著
• 出版社 清华大学出版社
• 出版时间 2022-05
• 版次 1
• ISBN 9787302594741
• 定价 158.00元
• 装帧 平装
• 开本 16开
• 纸张 纯质纸
• 页数 952页
• 字数 595千字
• 丛书 智能制造系列丛书

【内容简介】

智能运维是面向产品全生命周期智能制造的重要组成部分。随着感知技术、预测技术和智能技术的深度应用，装备维修从原来的事后维修模式、定时维修模式逐步向基于状态的维修模式转变，而提高装备状态监测和维修决策水平是实现这种转变的关键。本书在基于状态的维修模式及其技术体系基础上，对基于状态的维修所涉及的数据处理、状态监测、趋势预测、故障诊断、维修决策等关键技术进行阐述，为复杂装备制造服务和智能运维提供技术参考。

【作者简介】

钟诗胜 1964年6月出生，工学博士，教授，博士生导师。主要从事数字化设计与制造技术、数控技术与装备、复杂装备故障诊断与维修决策技术研究。承担过包括国家自然科学基金重点项目、国家863计划重点项目、国防基础研究重点项目、欧盟科技计划项目在内的多个项目。发表学术论文260余篇，获省部级科学技术一等奖1项、二等奖2项、三等奖2项。装备发展部先进制造技术专业组专家、中国机械工程学会机械工业自动化分会副理事长、中国机械工程学会机械设计分会理事，国家自然科学基金民航联合基金项目上会评审专家，国家科技进步奖通讯评审专家。 张永健，1981年03月出生，工学博士，讲师。主要从事知识工程、智能设计、复杂装备健康管理等技术的研究与相关应用系统的研制开发。参与国家自然科学基金项目、国家863计划项目、装备预研项目、高等学校博士点专项基金、企业横向项目等多个项目。发表学术论文10余篇。付旭云，1981年11月出生，工学博士，副教授。主要从事复杂装备健康管理与维修决策支持技术研究。承担或参与过包括国家自然科学基金项目、国家863计划项目、民航科技计划项目等在内的多个项目。发表学术论文10余篇，获省部级科学技术一等奖1项。

【目录】

第1章智能运维概述00

 

 

1.1智能运维的主要内容00

 

 

1.2制造服务与智能运维00

 

 

1.2.1制造服务概述00

 

 

1.2.2智能运维在制造服务中的作用00

 

 

1.3设备维修策略的主要类型00

 

 

1.3.1事后维修策略00

 

 

1.3.2定时维修策略00

 

 

1.3.3基于状态的维修策略00

 

 

1.3.4预测性维修策略0

 

 

1.4智能运维的主要关键技术0

 

 

1.5本书主要内容0

 

 

参考文献0

 

 

第2章设备状态数据预处理0

 

 

2.1状态数据预处理概述0

 

 

2.2状态数据的粗大误差去除0

 

 

2.2.1粗大误差去除原理及方法分析0

 

 

2.2.2粗大误差判别准则及其选择0

 

 

2.2.3粗大误差去除应用实例0

 

 

2.3状态数据的平滑处理0

 

 

2.3.1异常值保护指数平滑法0

 

 

2.3.2异常值识别多点移动平均法0

 

 

2.4基于连续小波变换模极大曲线的信号突变识别与重构0

 

 

2.4.1信号连续小波变换与反演算法0

 

 

2.4.2基本小波的选择0

 

 

2.4.3边沿效应及伪模极大的处理0

 

 

2.4.4信号突变识别与重构应用案例0

 

 

2.5基于趋势项提取的状态数据处理方法0

 

 

2.5.1奇异值分解降噪及其不足0

 

 

2.5.2基于EMD的信号趋势分量提取方法0

 

 

2.5.3EMD和SVD相结合的状态数据处理方法0

 

 

2.5.4应用案例0

 

 

2.6本章小结0

 

 

参考文献0

 

 

 

 

 

第3章状态特征的提取与迁移0

 

 

3.1状态特征提取概述0

 

 

3.2基于核主元分析的状态特征提取0

 

 

3.2.1主元分析的算法与分析0

 

 

3.2.2主元中核函数的引入0

 

 

3.2.3核主元分析特征提取的形式化描述0

 

 

3.2.4核主元分析算法的改进0

 

 

3.3基于自动编码器的状态特征提取0

 

 

3.3.1自动编码器0

 

 

3.3.2去噪自动编码器0

 

 

3.3.3稀疏自动编码器0

 

 

3.3.4收缩自动编码器0

 

 

3.4基于深度学习的状态特征提取0

 

 

3.4.1深度学习简介0

 

 

3.4.2深度置信网络0

 

 

3.4.3堆叠自动编码器0

 

 

3.4.4卷积神经网络0

 

 

3.5基于深度迁移学习的状态特征迁移0

 

 

3.5.1迁移学习简介0

 

 

3.5.2DNN的可迁移性0

 

 

3.5.3深度迁移学习中的finetuning方法0

 

 

3.5.4深度迁移学习在民航发动机气路异常检测中的应用0

 

 

 

3.6本章小结0

 

 

参考文献0

 

 

第4章设备状态的异常检测0

 

 

4.1异常检测概述0

 

 

4.2异常的定义与分类0

 

 

4.3典型的异常检测方法0

 

 

4.3.1基于复制神经网络的异常检测0

 

 

4.3.2基于孤立森林的异常检测0

 

 

4.3.3基于最近邻的异常检测0

 

 

4.3.4基于聚类的异常检测0

 

 

4.3.5基于统计的异常检测0

 

 

4.3.6应用案例0

 

 

4.4基于QAR数据的航空发动机间歇性气路异常检测

 

 

4.4.1QAR数据特点与深度特征提取问题分析

 

 

4.4.2联合SDAE与高斯分布方法的发动机异常检测

 

 

4.4.3应用案例

 

 

4.5基于ACARS数据的航空发动机持续性气路异常检测

 

 

4.5.1ACARS报文特点与深度特征提取问题分析

 

 

4.5.2基于分组卷积去噪自编码器的发动机气路持续性异常检测

 

 

4.5.3应用案例

 

 

4.6本章小结

 

 

参考文献

 

 

第5章设备的故障诊断

 

 

5.1故障诊断概述

 

 

5.2指印图与自组织特征映射网络相结合的发动机气路故障诊断

 

 

5.2.1SOFM神经网络模型

 

 

5.2.2SOFM网络的学习算法

 

 

5.2.3基于指印图的航空发动机气路故障诊断实例

 

 

5.3小样本条件下基于迁移学习的发动机气路故障诊断

 

 

5.3.1气路参数偏差值数据分析及样本设置

 

 

5.3.2基于CNN与SVM的气路故障诊断方法

 

 

5.3.3实验步骤及数据的收集

 

 

5.3.4实验

 

 

5.4本章小结

 

 

参考文献

 

 

 

第6章短期状态趋势预测

 

 

6.1短期状态趋势预测概述

 

 

6.2基于改进支持向量回归的短期状态趋势预测

 

 

6.2.1支持向量回归模型

 

 

6.2.2改进的支持向量回归模型

 

 

6.2.3基于改进支持向量机回归的发动机振动趋势预测

 

 

6.2.4参数对预测性能的影响分析

 

 

6.3基于连续过程神经网络的短期状态趋势预测

 

 

6.3.1过程神经网络与时间序列预测

 

 

6.3.2混合递归过程神经网络的拓扑结构

 

 

6.3.3混合递归过程神经网络学习算法

 

 

6.3.4混合递归过程神经网络预测的应用案例

 

 

6.4基于动态集成算法的短期状态趋势预测

 

 

6.4.1时间序列相空间重构

 

 

6.4.2动态加权核密度估计集成学习机

 

 

6.4.3基于动态集成算法的趋势预测应用案例

 

 

6.5状态参数自适应区间预测模型

 

 

6.5.1预测区间效果量度指标

 

 

6.5.2基于神经网络的自适应区间预测模型

 

 

6.5.3基于和声搜索的输出构造控制参数优化

 

 

6.5.4航空发动机EGTM序列区间预测应用案例

 

 

6.6本章小结

 

 

参考文献

 

 

第7章长期状态趋势预测

 

 

7.1长期状态趋势预测概述

 

 

7.2基于性能衰退模式挖掘的长期状态趋势预测

 

 

7.2.1性能衰退模式分析

 

 

7.2.2快速衰退阶段模式挖掘

 

 

7.2.3正常衰退阶段模式挖掘

 

 

7.2.4基于模式匹配的长期状态趋势预测

 

 

7.2.5应用案例

 

 

7.3基于DBSAGMM的长期状态趋势预测

 

 

7.3.1多元时间序列长期预测技术概述

 

 

7.3.2性能衰退轨迹的SBP预测问题描述

 

 

7.3.3基于统计距离的序列化高斯元聚合方法

 

 

7.3.4应用案例

 

 

7.4本章小结

 

 

参考文献

 

 

第8章设备的短期维修规划

 

 

8.1短期维修规划概述

 

 

8.2维修时机优化

 

 

8.2.1维修期限预测

 

 

8.2.2基于维修期限的维修时机优化

 

 

8.2.3应用案例

 

 

8.3送修目标导向的维修工作范围决策

 

 

8.3.1决策过程

 

 

8.3.2确定条件下单元体性能恢复值分配优化

 

 

8.3.3不确定条件下单元体性能恢复值分配优化

 

 

8.3.4应用案例

 

 

8.4基于生存分析的维修工作范围决策

 

 

8.4.1单元体维修级别生存分析模型

 

 

8.4.2维修工作范围优化模型

 

 

8.5本章小结

 

 

参考文献

 

 

第9章面向全寿命的设备维修规划

 

 

9.1全寿命维修规划概述

 

 

9.2基于智能优化的全寿命维修规划

 

 

9.2.1全寿命维修规划建模

 

 

9.2.2在全寿命维修时机确定条件下的单元体最优维修策略

 

 

9.2.3在全寿命维修时机确定条件下的寿命件最优更换策略

 

 

9.2.4基于粒子群优化算法的发动机维修规划模型求解

 

 

9.2.5应用案例

 

 

9.3基于Q学习的全寿命维修规划

 

 

9.3.1基于Q学习的民航发动机维修规划建模

 

 

9.3.2算法流程

 

 

9.3.3应用案例

 

 

9.4基于DQN的全寿命维修规划

 

 

9.4.1深度Q学习理论简介

 

 

9.4.2基于DQN的维修规划建模

 

 

9.4.3算法训练流程

 

 

9.4.4应用案例

 

 

9.5本章小结

 

 

参考文献

 

 

第10章维修成本与备件需求预测

 

 

10.1概述

 

 

10.2维修成本预测

 

 

10.2.1维修成本构成分析

 

 

10.2.2大样本条件下的维修成本预测

 

 

10.2.3小样本条件下的维修成本预测

 

 

10.3易损件的备件需求预测

 

 

10.3.1周期型需求模式下的备件需求预测

 

 

10.3.2非周期需求模式下的备件需求预测

 

 

10.4关键件的备件需求预测

 

 

10.4.1需求发生时间预测

 

 

10.4.2基于时间聚合的需求量预测

 

 

10.4.3应用案例

 

 

10.5本章小结

 

 

参考文献

 

 

第11章车间维修过程管理

 

 

11.1车间维修过程管理概述

 

 

11.2车间维修分解装配序列规划

 

 

11.2.1基于Petri网的分解装配建模

 

 

11.2.2Petri网的最优变迁激发序列规划

 

 

11.2.3零部件最优分解装配序列规划

 

 

11.2.4分解装配序列规划应用案例

 

 

11.3车间维修工作流时间管理

 

 

11.3.1维修作业工作流的动态建模

 

 

11.3.2维修作业层次细化工作流网的可调度性

 

 

11.3.3维修工作流执行时间的计算与分析

 

 

11.3.4工作流验证方法应用案例

 

 

11.4车间维修资源调度

 

 

11.4.1维修作业过程自底向上建模

 

 

11.4.2化解维修资源冲突的路由策略

 

 

11.4.3维修车间资源静态调度算法

 

 

11.4.4维修车间资源动态调度算法

 

 

11.4.5维修资源调度应用案例

 

 

11.5本章小结

 

 

参考文献

 

 

第12章设备智能运维决策系统平台设计与实现

 

 

12.1设备智能运维决策系统平台需求概述

 

 

12.2面向服务的智能运维模式分析

 

 

12.3运维决策数据的集成管理

 

 

12.3.1设备运维数据建模

 

 

12.3.2基于BOM的运维数据集成管理

 

 

12.4构件化的设备智能运维决策系统架构设计

 

 

12.4.1设备智能运维决策系统平台体系架构

 

 

12.4.2系统功能的构件化管理

 

 

12.5设备智能运维决策系统平台核心功能与系统配置

 

 

12.5.1多源运维决策数据的接入

 

 

12.5.2运维数据的存储及查询管理

 

 

12.5.3基于流程引擎的业务过程管理

 

 

12.5.4复杂应用环境下的权限控制

 

 

12.5.5基于订阅模式的消息管理

 

 

12.5.6基于业务构件的应用系统配置

 

 

12.6本章小结

 

 

参考文献

 

 

第13章航空发动机机队智能运维系统及其应用

 

 

13.1概述

 

 

13.2航空发动机原理简介

 

 

13.3系统需求分析

 

 

13.4系统关键技术

 

 

13.4.1航空发动机运维数据组织

 

 

13.4.2航空发动机构型数据管理

 

 

13.4.3支持多协议的航空发动机监控参数采集

 

 

13.4.4航空发动机监控参数大数据存储

 

 

13.5系统设计

 

 

13.5.1功能模型设计

 

 

13.5.2信息模型设计

 

 

13.6系统运行实例

 

 

13.7系统实施

 

 

13.8系统应用情况

 

 

13.9本章小结

 

 

参考文献