科技
类型
可以朗读
语音朗读
340千字
字数
2022-04-01
发行日期
展开全部
主编推荐语
助力制造强国战略，满足多方位需求，多视角解读智能制造。
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。
目录
- 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
展开全部
评分及书评
评分不足
1个评分
- 给这本书评了5.0
很特别的一本书
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
