封面
版权信息
作者简介
内容简介
智能制造系列丛书编委会名单
丛书序1
丛书序2
前言
第1章 智能运维概述
1.1 智能运维的主要内容
1.2 制造服务与智能运维
1.2.1 制造服务概述
1.2.2 智能运维在制造服务中的作用
1.3 设备维修策略的主要类型
1.3.1 事后维修策略
1.3.2 定时维修策略
1.3.3 基于状态的维修策略
1.3.4 预测性维修策略
1.4 智能运维的主要关键技术
1.5 本书主要内容
参考文献
第2章 设备状态数据预处理
2.1 状态数据预处理概述
2.2 状态数据的粗大误差去除
2.2.1 粗大误差去除原理及方法分析
2.2.2 粗大误差判别准则及其选择
2.2.3 粗大误差去除应用实例
2.3 状态数据的平滑处理
2.3.1 异常值保护指数平滑法
2.3.2 异常值识别多点移动平均法
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
2.4.1 信号连续小波变换与反演算法
2.4.2 基本小波的选择
2.4.3 边沿效应及伪模极大的处理
2.4.4 信号突变识别与重构应用案例
2.5 基于趋势项提取的状态数据处理方法
2.5.1 奇异值分解降噪及其不足
2.5.2 基于EMD的信号趋势分量提取方法
2.5.3 EMD和SVD相结合的状态数据处理方法
2.5.4 应用案例
2.6 本章小结
参考文献
第3章 状态特征的提取与迁移
3.1 状态特征提取概述
3.2 基于核主元分析的状态特征提取
3.2.1 主元分析的算法与分析
3.2.2 主元中核函数的引入
3.2.3 核主元分析特征提取的形式化描述
3.2.4 核主元分析算法的改进
3.3 基于自动编码器的状态特征提取
3.3.1 自动编码器
3.3.2 去噪自动编码器
3.3.3 稀疏自动编码器
3.3.4 收缩自动编码器
3.4 基于深度学习的状态特征提取
3.4.1 深度学习简介
3.4.2 深度置信网络
3.4.3 堆叠自动编码器
3.4.4 卷积神经网络
3.5 基于深度迁移学习的状态特征迁移
3.5.1 迁移学习简介
3.5.2 DNN的可迁移性
3.5.3 深度迁移学习中的fine-tuning方法
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
3.6 本章小结
参考文献
第4章 设备状态的异常检测
4.1 异常检测概述
4.2 异常的定义与分类
4.3 典型的异常检测方法
4.3.1 基于复制神经网络的异常检测
4.3.2 基于孤立森林的异常检测
4.3.3 基于最近邻的异常检测
4.3.4 基于聚类的异常检测
4.3.5 基于统计的异常检测
4.3.6 应用案例
4.4 基于QAR数据的航空发动机间歇性气路异常检测
4.4.1 QAR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
4.5.1 ACARS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
5.2.1 SOFM神经网络模型
5.2.2 SOFM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DBSA-GMM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
11.2.2 Petri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
更新时间：2023-09-21 10:14:05
完结共242章
倒序