大数据驱动的设备健康预测及维护决策优化

Ⅴ　
第１章　绪　论 １
１１　研究背景和意义 １
１２　研究范围与对象 ４
１３　研究目的与创新点 ５
１４　研究框架 ７
１５　本章小结 ８
第２章　设备维护的概念 ９
２１　引言 ９
２２　设备健康管理的历史发展 １２
２３　设备健康预测方法的研究及进展 １４
　　２．３．１　基于物理模型的方法 １５
　　２．３．２　基于知识驱动的方法 １７
　　２．３．３　基于数据驱动的方法 ２０
　　２．３．４　基于模型驱动的方法 ２６
　　２．３．５　基于信息融合的方法 ３１
　　２．３．６　混合模型 ３２
２４　设备维护方法的研究及进展 ３６
　　２．４．１　基于健康信息的维护 ３８
　　２．４．２　基于衰退过程的维护 ４０
　　２．４．３　基于备件库存的维护 ４１
２５　设备维护调度方法的研究及进展 ４２
２６　现有方法的不足 ４７
　　２．６．１　设备健康预测研究的不足 ４７
Ⅵ　
　　２．６．２　设备维护研究的不足 ４８
　　２．６．３　设备维护调度优化需要研究的问题 ４８
２７　退化隐半马尔可夫模型 ４９
２８　本章小结 ５６
第３章　单监测信息的在线健康预测 ６０
３１　引言 ６０
３２　设备在线健康预测方法 ６２
　　３．２．１　数据预处理及特征提取 ６２
　　３．２．２　在线健康预测算法 ６４
　　３．２．３　剩余有效寿命预测方法 ６８
３３　算例分析 ６９
　　３．３．１　基于 ＨＳＭＭ 的健康诊断 ７１
　　３．３．２　数据准备与处理 ７３
　　３．３．３　模型参数估计 ７７
　　３．３．４　在线健康预测分析 ７８
　　３．３．５　预测性能评估 ８２
３４　本章小结 ８５
第４章　多监测信息的在线健康预测 ８６
４１　引言 ８６
４２　特征空间降维 ８７
４３　设备在线健康预测方法 ８８
　　４．３．１　修正隐式半马尔可夫模型 ８８
　　４．３．２　自适应隐式半马尔可夫模型 ９２
　　４．３．３　剩余有效寿命预测方法 ９４
４４　算例分析 ９７
　　４．４．１　数据准备 ９７
　　４．４．２　在线健康状态识别分析 ９８
　　４．４．３　在线健康预测分析 １０１
　　４．４．４　预测性能评估 １０３
４５　本章小结 １０６
第５章　基于在线健康预测的集成动态维护研究 １０７
５１　引言 １０７
Ⅶ　
５２　衰退过程分析 １１２
５３　维护动作与维护时间分析 １１４
５４　集成动态维护模型 １１７
　　５．４．１　基本假设和符号 １１７
　　５．４．２　维护成本分析 １１９
　　５．４．３　基于动态规划算法维护策略优化模型 １２３
　　５．４．４　维护策略优化算法 １２７
５５　算例分析 １２９
　　５．５．１　数据准备 １２９
　　５．５．２　其他维护策略 １３３
　　５．５．３　维护结果分析 １３４
　　５．５．４　备件库存策略分析 １３７
　　５．５．５　策略动态性分析 １３８
５６　本章小结 １４１
第６章　基于集成维护模型的维护调度优化研究 １４３
６１　引言 １４３
６２　设备维护调度优化模型 １４４
　　６．２．１　设备维护调度决策 １４４
　　６．２．２　遗传算法 １５１
６３　案例分析 １５３
　　６．３．１　数据准备 １５４
　　６．３．２　算法设计 １５７
　　６．３．３　维护调度比较分析 １５７
　　６．３．４　考虑调整因子的维护调度分析 １６３
６４　本章小结 １６５
第７章　总结与展望 １６６
７１　结论 １６６
７２　展望 １６８
参考文献 １７０