《裝備故障預測與健康管理技術》是2015年9月出版的圖書，作者是周林。本書以裝備故障預測與健康管理系統設計與使用需求為牽引,以故障預測與健康管理系統的關鍵技術為線索,系統闡述了裝備故障預測與健康管理系統的結構設計技術、感測器套用技術、數據處理技術、健康狀態評估技術、故障預測技術、狀態維修決策技術和驗證與評估技術等理論和方法。
基本介紹
- 書名：裝備故障預測與健康管理技術
- 又名：軍隊“2110冶工程項目資助
- 作者：周林
- ISBN：978-7-118-10353-3
- 類別：E92
- 頁數：240
- 出版時間：2015年9月
- 裝幀：平裝
- 開本：16
內容簡介,目錄,
內容簡介
本書以裝備故障預測與健康管理系統設計與使用需求為牽引,以故障預測與健康管理系統的關鍵技術為線索,系統闡述了裝備故障預測與健康管理系統的結構設計技術、感測器套用技術、數據處理技術、健康狀態評估技術、故障預測技術、狀態維修決策技術和驗證與評估技術等理論和方法,並通過實例對相應的理論、方法和模型進行套用驗證分析。
目錄
第1章 概述
1.1 PHM的概念、內涵及其作用
1.1.1 PHM的概念
1.1.2 PHM的內涵
1.1.3 PHM的作用
1.2 PHM系統的結構和基本功能
1.2.1 OSA-CBM體系結構
1.2.2 PHM系統的信息結構
1.2.3 PHM系統的基本功能
1.3 PHM技術的產生與發展
1.3.1 PHM技術的產生
1.3.2 PHM技術的發展
1.3.3 美國國防部和NASA的PHM技術演變過程
1.4 PHM系統涉及的關鍵技術
1.4.1 結構設計技術
1.4.2 感測器套用技術
1.4.3 數據處理技術
1.4.4 健康狀態評估技術
1.4.5 故障預測技術
1.4.6 狀態維修決策技術
1.4.7 驗證與評估技術
第2章 PHM系統結構設計技術
2.1 PHM系統的結構形式
2.1.1 集中式體系結構
2.1.2 分散式體系結構
2.1.3 分層融合式體系結構
2.2 PHM系統結構形式的選擇
2.2.1 PHM系統結構形式的特徵
2.2.2 PHM系統結構形式選擇的影響因素
2.2.3 PHM系統結構形式選擇原則
2.3 PHM系統結構設計方法
2.3.1 PHM系統體系結構描述方法
2.3.2 PHM系統體系結構設計方法
2.3.3 PHM系統體系結構驗證評估方法
2.4 典型裝備的PHM系統結構
2.4.1 航空裝備PHM系統的體系結構
2.4.2 航天裝備PHM系統的體系結構
2.4.3 地空飛彈裝備PHM系統的體系結構
2.4.4 艦船裝備PHM系統的體系結構
2.4.5 雷達裝備PHM系統的體系結構
第3章 PHM系統感測器套用技術
3.1 監測對象選擇技術
3.1.1 監測對象選擇需考慮的因素
3.1.2 監測對象選擇方法
3.1.3 監測對象的類型
3.2 狀態特徵參數選取技術
1.1 PHM的概念、內涵及其作用
1.1.1 PHM的概念
1.1.2 PHM的內涵
1.1.3 PHM的作用
1.2 PHM系統的結構和基本功能
1.2.1 OSA-CBM體系結構
1.2.2 PHM系統的信息結構
1.2.3 PHM系統的基本功能
1.3 PHM技術的產生與發展
1.3.1 PHM技術的產生
1.3.2 PHM技術的發展
1.3.3 美國國防部和NASA的PHM技術演變過程
1.4 PHM系統涉及的關鍵技術
1.4.1 結構設計技術
1.4.2 感測器套用技術
1.4.3 數據處理技術
1.4.4 健康狀態評估技術
1.4.5 故障預測技術
1.4.6 狀態維修決策技術
1.4.7 驗證與評估技術
第2章 PHM系統結構設計技術
2.1 PHM系統的結構形式
2.1.1 集中式體系結構
2.1.2 分散式體系結構
2.1.3 分層融合式體系結構
2.2 PHM系統結構形式的選擇
2.2.1 PHM系統結構形式的特徵
2.2.2 PHM系統結構形式選擇的影響因素
2.2.3 PHM系統結構形式選擇原則
2.3 PHM系統結構設計方法
2.3.1 PHM系統體系結構描述方法
2.3.2 PHM系統體系結構設計方法
2.3.3 PHM系統體系結構驗證評估方法
2.4 典型裝備的PHM系統結構
2.4.1 航空裝備PHM系統的體系結構
2.4.2 航天裝備PHM系統的體系結構
2.4.3 地空飛彈裝備PHM系統的體系結構
2.4.4 艦船裝備PHM系統的體系結構
2.4.5 雷達裝備PHM系統的體系結構
第3章 PHM系統感測器套用技術
3.1 監測對象選擇技術
3.1.1 監測對象選擇需考慮的因素
3.1.2 監測對象選擇方法
3.1.3 監測對象的類型
3.2 狀態特徵參數選取技術
3.2.1 裝備故障特徵及故障規律
3.2.2 監測對象的故障模式
3.2.3 監測對象狀態特徵參數選取
3.3 狀態監測感測器選擇技術
3.3.1 PHM系統對感測器的要求
3.3.2 PHM系統常用感測器類型
3.3.3 PHM系統監測感測器選擇
3.4 感測器最佳化配置技術
3.4.1 感測器最佳化配置的複雜性分析
3.4.2 感測器最佳化配置過程
3.4.3 感測器最佳化配置的有效獨立法
3.4.4 感測器最佳化配置的符號定向圖法
3.4.5 感測器最佳化配置的粒子群算法
3.4.6 感測器最佳化配置的混合蛙跳算法
第4章 PHM系統數據處理技術
4.1 數據清理技術
4.1.1 缺失數據處理技術
4.1.2 異常數據剔除技術
4.1.3 數據無量綱處理技術
4.2 數據分析技術
4.2.1 描述性分析技術
4.2.2 動態分析技術
4.2.3 相關分析技術
4.2.4 回歸分析技術
4.2.5 聚類分析技術
4.2.6 數據平滑技術
4.3 特徵提取技術
4.3.1 離散傅立葉變換
4.3.2 離散小波變換
4.3.3 卡洛南-洛伊變換
4.3.4 主分量分析法
4.3.5 Hadamard變換法
4.3.6 BP神經網路法
4.4 數據挖掘技術
4.4.1 決策樹算法
4.4.2 人工神經網路算法
4.4.3 粗糙集算法
4.4.4 遺傳算法
第5章 裝備健康狀態評估技術
5.1 裝備健康狀態評估概述
5.1.1 裝備健康狀態的影響因素
5.1.2 裝備健康狀態評估的特點
5.1.3 裝備健康狀態評估常用方法
5.2 裝備健康狀態分級技術
5.2.1 健康狀態分級原則
5.2.2 健康狀態等級劃分方法
5.2.3 健康狀態等級描述
5.3 基於FMECA的裝備健康狀態評估
5.3.1 健康狀態評估參數的選取
5.3.2 健康裝態評估的步驟
5.3.3 健康狀態評估實例分析
5.4 基於測試數據的裝備健康狀態評估
5.4.1 測試數據的歸一化處理
3.2.2 監測對象的故障模式
3.2.3 監測對象狀態特徵參數選取
3.3 狀態監測感測器選擇技術
3.3.1 PHM系統對感測器的要求
3.3.2 PHM系統常用感測器類型
3.3.3 PHM系統監測感測器選擇
3.4 感測器最佳化配置技術
3.4.1 感測器最佳化配置的複雜性分析
3.4.2 感測器最佳化配置過程
3.4.3 感測器最佳化配置的有效獨立法
3.4.4 感測器最佳化配置的符號定向圖法
3.4.5 感測器最佳化配置的粒子群算法
3.4.6 感測器最佳化配置的混合蛙跳算法
第4章 PHM系統數據處理技術
4.1 數據清理技術
4.1.1 缺失數據處理技術
4.1.2 異常數據剔除技術
4.1.3 數據無量綱處理技術
4.2 數據分析技術
4.2.1 描述性分析技術
4.2.2 動態分析技術
4.2.3 相關分析技術
4.2.4 回歸分析技術
4.2.5 聚類分析技術
4.2.6 數據平滑技術
4.3 特徵提取技術
4.3.1 離散傅立葉變換
4.3.2 離散小波變換
4.3.3 卡洛南-洛伊變換
4.3.4 主分量分析法
4.3.5 Hadamard變換法
4.3.6 BP神經網路法
4.4 數據挖掘技術
4.4.1 決策樹算法
4.4.2 人工神經網路算法
4.4.3 粗糙集算法
4.4.4 遺傳算法
第5章 裝備健康狀態評估技術
5.1 裝備健康狀態評估概述
5.1.1 裝備健康狀態的影響因素
5.1.2 裝備健康狀態評估的特點
5.1.3 裝備健康狀態評估常用方法
5.2 裝備健康狀態分級技術
5.2.1 健康狀態分級原則
5.2.2 健康狀態等級劃分方法
5.2.3 健康狀態等級描述
5.3 基於FMECA的裝備健康狀態評估
5.3.1 健康狀態評估參數的選取
5.3.2 健康裝態評估的步驟
5.3.3 健康狀態評估實例分析
5.4 基於測試數據的裝備健康狀態評估
5.4.1 測試數據的歸一化處理
5.4.2 D-S證據合成規則
5.4.3 健康狀態指數的時間修正
5.4.4 健康狀態等級隸屬度函式
5.4.5 健康狀態評估的步驟
5.4.6 健康狀態評估實例分析
5.5 基於劣化度的裝備健康狀態評估
5.5.1 劣化度及其計算方法
5.5.2 健康狀態評估模型
5.5.3 健康狀態評估過程
5.5.4 健康狀態評估實例分析
第6章 裝備故障預測技術
6.1 裝備故障預測技術概述
6.1.1 裝備故障預測的概念
6.1.2 裝備故障預測的內容
6.1.3 裝備故障預測的特點
6.1.4 裝備故障預測常用方法
6.2 基於ARMA模型的裝備故障預測
6.2.1 ARMA模型分析
6.2.2 故障預測的步驟
6.2.3 故障預測實例分析
6.3 基於改進GM(1，1)模型的裝備故障預測
6.3.1 傳統的GM(1，1)模型
6.3.2 GM(1，1)模型的灰色預測
6.3.3 新陳代謝GM(1，1)模型
6.3.4 故障預測實例分析
6.4 基於遺傳神經網路的裝備故障預測
6.4.1 遺傳算法基本原理
6.4.2 遺傳神經網路原理
6.4.3 故障預測性能評價指標
6.4.4 故障預測實例分析
第7章 裝備狀態維修決策技術
7.1 裝備狀態維修決策概述
7.1.1 狀態維修決策的概念
7.1.2 狀態維修決策的內容
7.1.3 狀態維修決策的特點
7.1.4 狀態維修決策常用方法
7.2 基於模糊多屬性決策的裝備維修行為決策
7.2.1 模糊多屬性決策基本原理
7.2.2 模糊多屬性決策方法
7.2.3 模糊多屬性決策步驟
5.4.3 健康狀態指數的時間修正
5.4.4 健康狀態等級隸屬度函式
5.4.5 健康狀態評估的步驟
5.4.6 健康狀態評估實例分析
5.5 基於劣化度的裝備健康狀態評估
5.5.1 劣化度及其計算方法
5.5.2 健康狀態評估模型
5.5.3 健康狀態評估過程
5.5.4 健康狀態評估實例分析
第6章 裝備故障預測技術
6.1 裝備故障預測技術概述
6.1.1 裝備故障預測的概念
6.1.2 裝備故障預測的內容
6.1.3 裝備故障預測的特點
6.1.4 裝備故障預測常用方法
6.2 基於ARMA模型的裝備故障預測
6.2.1 ARMA模型分析
6.2.2 故障預測的步驟
6.2.3 故障預測實例分析
6.3 基於改進GM(1，1)模型的裝備故障預測
6.3.1 傳統的GM(1，1)模型
6.3.2 GM(1，1)模型的灰色預測
6.3.3 新陳代謝GM(1，1)模型
6.3.4 故障預測實例分析
6.4 基於遺傳神經網路的裝備故障預測
6.4.1 遺傳算法基本原理
6.4.2 遺傳神經網路原理
6.4.3 故障預測性能評價指標
6.4.4 故障預測實例分析
第7章 裝備狀態維修決策技術
7.1 裝備狀態維修決策概述
7.1.1 狀態維修決策的概念
7.1.2 狀態維修決策的內容
7.1.3 狀態維修決策的特點
7.1.4 狀態維修決策常用方法
7.2 基於模糊多屬性決策的裝備維修行為決策
7.2.1 模糊多屬性決策基本原理
7.2.2 模糊多屬性決策方法
7.2.3 模糊多屬性決策步驟
7.2.4 狀態維修行為決策實例分析
7.3 基於比例風險模型的裝備維修時機預測
7.3.1 威布爾比例風險模型
7.3.2 威布爾比例風險維修決策模型
7.3.3 狀態維修時機決策實例分析
7.4 基於實時可靠性評估的狀態檢測間隔決策
7.4.1 實時可靠性評估原理
7.3 基於比例風險模型的裝備維修時機預測
7.3.1 威布爾比例風險模型
7.3.2 威布爾比例風險維修決策模型
7.3.3 狀態維修時機決策實例分析
7.4 基於實時可靠性評估的狀態檢測間隔決策
7.4.1 實時可靠性評估原理
7.4.2 狀態檢測間隔期決策模型
7.4.3 狀態檢測間隔決策實例分析
第8章 PHM系統驗證與評估技術
8.1 PHM系統驗證與評估概述
8.1.1 PHM系統設計階段劃分
8.1.2 PHM系統設計流程分析
8.1.3 PHM系統驗證與評估常用方法
8.2 PHM系統驗證技術
8.2.1 PHM系統驗證框架
8.2.2 PHM系統驗證試驗環境
8.2.3 PHM系統驗證指標體系
8.3 PHM系統評估技術
8.3.1 PHM系統使用效益評估
8.3.2 PHM系統技術成熟度評估
8.3.3 PHM系統研製風險評估
8.4 PHM系統開發的標準體系
8.4.1 國外PHM系統標準分析
8.4.2 PHM系統標準體系構建原則
8.4.3 PHM系統標準體系框架結構
8.4.4 PHM系統研製工作指導
參考文獻"
7.4.3 狀態檢測間隔決策實例分析
第8章 PHM系統驗證與評估技術
8.1 PHM系統驗證與評估概述
8.1.1 PHM系統設計階段劃分
8.1.2 PHM系統設計流程分析
8.1.3 PHM系統驗證與評估常用方法
8.2 PHM系統驗證技術
8.2.1 PHM系統驗證框架
8.2.2 PHM系統驗證試驗環境
8.2.3 PHM系統驗證指標體系
8.3 PHM系統評估技術
8.3.1 PHM系統使用效益評估
8.3.2 PHM系統技術成熟度評估
8.3.3 PHM系統研製風險評估
8.4 PHM系統開發的標準體系
8.4.1 國外PHM系統標準分析
8.4.2 PHM系統標準體系構建原則
8.4.3 PHM系統標準體系框架結構
8.4.4 PHM系統研製工作指導
參考文獻"
