數(shù)智維修導論

目錄
序一
序二
前言
第1章 緒論
1.1數(shù)智維修概念內涵
1.1.1維修理念的發(fā)展
1.1.2維修信息化與數(shù)智維修
1.1.3數(shù)智維修的特征
1.2數(shù)智維修產生的背景
1.2.1智能社會為數(shù)智維修的發(fā)展創(chuàng)造了基本條件
1.2.2智能化戰(zhàn)爭呼喚裝備維修保障模式變革
1.2.3維修信息化建設為數(shù)智維修奠定數(shù)據(jù)基礎
1.2.4故障預測與健康管理技術推動了數(shù)智維修的發(fā)展
1.3數(shù)智維修體系架構與業(yè)務模型
1.3.1單裝與裝備體系數(shù)智維修
1.3.2單裝數(shù)智維修體系架構1.3.3裝備體系數(shù)智維修運行架構
1.3.4數(shù)智維修業(yè)務模型
1.4數(shù)智維修現(xiàn)狀及趨勢
1.4.1智能精確的保障理念在實踐中不斷發(fā)展
1.4.2管理創(chuàng)新將成為一種戰(zhàn)略性方法技術
1.4.3先進維修技術在數(shù)智維修中的應用不斷拓展
1.5本書框架結構
第2章 數(shù)智維修生態(tài)系統(tǒng)
2.1數(shù)智維修發(fā)展的頂層戰(zhàn)略
2.2數(shù)智維修建設的基本原則
2.2.1數(shù)智維修本質上是維修業(yè)務的轉型升級
2.2.2數(shù)據(jù)科學將在數(shù)智維修中發(fā)揮核心作用
2.2.3物聯(lián)網在資源感知與響應中發(fā)揮關鍵作用
2.2.4人工智能技術支撐裝備維修保障動態(tài)決策與優(yōu)化
2.2.5數(shù)字孿生技術在全壽命周期裝備維修保障中逐漸獲得應用
2.3數(shù)智維修運行的基礎平臺
2.3.1數(shù)據(jù)采集層
2.3.2數(shù)據(jù)管理層
2.3.3數(shù)據(jù)處理層
2.3.4業(yè)務組件層
2.3.5場景應用層
2.4數(shù)智維修實施的支撐條件
2.4.1實施組織變革
2.4.2推進觀念轉變
2.4.3強化標準化數(shù)據(jù)治理
第3章 數(shù)智維修數(shù)據(jù)管理
3.1面向全壽命周期的維修數(shù)據(jù)
3.2維修元數(shù)據(jù)管理
3.3結構化維修數(shù)據(jù)管理
3.3.1維修主數(shù)據(jù)管理
3.3.2裝備維修保障參考數(shù)據(jù)及事務數(shù)據(jù)管理
3.3.3裝備維修保障監(jiān)測數(shù)據(jù)管理
3.3.4維修保障分析數(shù)據(jù)管理
3.4非結構化維修數(shù)據(jù)管理
3.5維修數(shù)據(jù)質量評估與管理
3.5.1維修數(shù)據(jù)質量管理環(huán)節(jié)
3.5.2數(shù)據(jù)質量控制
3.5.3數(shù)據(jù)質量評估
3.6數(shù)智維修數(shù)據(jù)安全
第4章 數(shù)智維修狀態(tài)感知與評估
4.1狀態(tài)感知與評估概述
4.2狀態(tài)感知技術
4.2.1典型系統(tǒng)狀態(tài)參數(shù)選擇
4.2.2典型傳感器的應用
4.2.3狀態(tài)感知數(shù)據(jù)預處理
4.3狀態(tài)特征提取技術
4.3.1狀態(tài)特征提取的工作內容
4.3.2基于感知數(shù)據(jù)的特征計算
4.3.3狀態(tài)特征的優(yōu)化選擇與提取技術
4.4健康狀態(tài)評估方法
4.4.1健康狀態(tài)等級
4.4.2神經網絡模型
4.4.3灰色關聯(lián)分析法
4.4.4模糊綜合評判法
4.5典型應用
4.5.1波音737-800飛機應用案例
4.5.2美國海軍艦船綜合狀態(tài)評估系統(tǒng)
4.5.3“猛禽”戰(zhàn)斗機F119發(fā)動機應用案例
第5章 數(shù)智維修故障診斷與壽命預測
5.1故障診斷與壽命預測概述
5.2基于機器學習的故障診斷方法與技術
5.2.1故障診斷方法分類
5.2.2基于深度學習的故障診斷技術
5.2.3故障診斷應用數(shù)據(jù)智能技術應關注的問題
5.3數(shù)據(jù)驅動的壽命預測方法與技術
5.3.1數(shù)據(jù)驅動的壽命預測框架
5.3.2壽命預測的目標及方法
5.3.3基于深度學習的壽命預測技術
5.3.4壽命預測模型的評價
5.4典型應用
5.4.1阿帕奇直升機機隊健康與使用監(jiān)控系統(tǒng)
5.4.2EJ200發(fā)動機故障預測與健康管理
第6章 數(shù)智維修信息融合
6.1數(shù)智維修信息融合概述
6.1.1數(shù)智維修信息融合范圍
6.1.2數(shù)智維修信息融合思路
6.1.3數(shù)智維修信息融合效果
6.2維修數(shù)據(jù)到維修信息的轉換
6.2.1基于關聯(lián)挖掘的維修數(shù)據(jù)關系梳理
6.2.2維修數(shù)據(jù)的密度聚類異常標注方法
6.2.3維修數(shù)據(jù)的異構模糊匹配
6.3維修信息向維修知識的轉換
6.3.1多源異構裝備維修知識自動抽取
6.3.2維修多維度知識相關性分析
6.3.3維修信息融合與集成
6.4典型應用
6.4.1美國陸軍全球作戰(zhàn)保障系統(tǒng)
6.4.2某型船用柴油機非結構化數(shù)據(jù)融合
第7章 數(shù)智維修資源保障
7.1基于感知與響應的維修資源規(guī)劃
7.1.1數(shù)智維修對資源保障的要求
7.1.2感知與響應保障系統(tǒng)的構成
7.2維修資源感知與數(shù)據(jù)分析
7.2.1維修資源數(shù)據(jù)感知
7.2.2維修資源數(shù)據(jù)智能分析
7.2.3維修資源儲存與管理
7.3維修資源可視化與保障建模技術
7.3.1維修資源可視化技術
7.3.2維修資源建模與優(yōu)化方法
7.3.3維修資源模型開發(fā)及應用技術
7.4典型應用
7.4.1某部隊裝備智能倉儲與運維典型實踐
7.4.2美國海軍基于5G無線技術的智能倉庫
第8章 數(shù)智維修決策與優(yōu)化
8.1數(shù)智維修決策應用場景
8.2維修業(yè)務數(shù)據(jù)分析模型
8.2.1基于模糊神經網絡的維修規(guī)則構建模型
8.2.2基于關系網絡模型的維修業(yè)務關系構建
8.3數(shù)智維修決策生成與優(yōu)化方法
8.3.1基于強化學習的裝備維修保障決策
8.3.2基于遷移學習的裝備維修保障決策
8.3.3基于多業(yè)務聯(lián)邦學習的維修決策
8.3.4機器學習—專家系統(tǒng)雙反饋協(xié)同的維修決策優(yōu)化
8.4典型應用
8.4.1美國陸軍戰(zhàn)術、戰(zhàn)役、戰(zhàn)略級決策支持
8.4.2F-35戰(zhàn)斗機基于作戰(zhàn)數(shù)據(jù)集成網絡的決策與優(yōu)化
8.4.3波音公司AnalytX數(shù)智維修規(guī)劃與管理工具
8.4.4美國海軍面向大數(shù)據(jù)分析的維修決策工具
第9章 數(shù)智維修實踐和應用展望
9.1數(shù)智維修基本能力構成
9.2數(shù)智維修平臺業(yè)務框架設計
9.3數(shù)智維修平臺典型應用
9.3.1應用一：裝備狀態(tài)感知與評估
9.3.2應用二：裝備故障診斷與預測
9.3.3應用三：維修保障信息融合
9.3.4應用四：維修決策與優(yōu)化
9.3.5應用五：多層級維修資源精準調控
9.3.6應用六：孿生數(shù)據(jù)驅動的設計改進與優(yōu)化
9.4數(shù)智維修應用展望