智能運維與健康管理

第1章 緒論
1.1 引言
1.1.1 PHM技術(shù)
1.1.2 國外PHM技術(shù)發(fā)展
1.1.3 PHM技術(shù)發(fā)展
1.2 機械設(shè)備的故障診斷與預(yù)測
1.3 PHM中的經(jīng)濟要素
第2章 機械設(shè)備的狀態(tài)監(jiān)測與數(shù)據(jù)獲取
2.1 狀態(tài)監(jiān)測的定義與作用
2.2 狀態(tài)監(jiān)測與數(shù)據(jù)獲取
2.2.1 振動分析法
2.2.2 溫度分析法
2.2.3 油液分析法
2.2.4 噪聲分析法
2.2.5 無損檢測技術(shù)
2.3 狀態(tài)監(jiān)測網(wǎng)絡(luò)與數(shù)據(jù)質(zhì)量
2.3.1 傳感器的選擇
2.3.2 數(shù)據(jù)獲取的困難
2.3.3 數(shù)據(jù)量難以完善
2.3.4 數(shù)據(jù)質(zhì)量難以保障
第3章 故障與異常判別技術(shù)
3.1 基于機理模型的故障判別技術(shù)
3.1.1 典型故障模式
3.1.2 典型故障機理建模
3.1.3 機理模型故障判別應(yīng)用
3.2 基于數(shù)理統(tǒng)計分析的故障判別技術(shù)
3.2.1 數(shù)據(jù)的插值和擬合方法
3.2.2 回歸分析方法
3.2.3 回歸分析在機械設(shè)備智能運維中的運用
3.3 基于大數(shù)據(jù)與人工智能的故障判別技術(shù)
3.3.1 大數(shù)據(jù)分析與人工智能概述
3.3.2 人工神經(jīng)網(wǎng)絡(luò)概述
3.3.3 遷移學習概述
3.3.4 使用人工智能技術(shù)進行故障異常判別
第4章 退化預(yù)測與壽命預(yù)測技術(shù)
4.1 基于數(shù)理統(tǒng)計分析的退化預(yù)測與剩余壽命預(yù)測技術(shù)
4.1.1 回歸分析在退化預(yù)測和壽命預(yù)測中的運用
4.1.2 隨機過程在退化預(yù)測和壽命預(yù)測中的運用
4.2 基于大數(shù)據(jù)與人工智能的退化預(yù)測和壽命預(yù)測技術(shù)
4.2.1 基于神經(jīng)網(wǎng)絡(luò)的設(shè)備退化預(yù)測和壽命預(yù)測
4.2.2 基于遷移學習的設(shè)備退化預(yù)測和壽命預(yù)測
第5章 智能運維的未來發(fā)展
5.1 信息物理系統(tǒng)融合
5.1.1 信息物理系統(tǒng)概述
5.1.2 信息物理系統(tǒng)與數(shù)字李生的聯(lián)系
5.1.3 信息物理系統(tǒng)與智能運維
5.2 知識圖譜技術(shù)
5.2.1 知識圖譜概述
5.2.2 知識圖譜與智能運維
5.3 設(shè)備精益管理
5.3.1 設(shè)備精益管理概述
5.3.2 設(shè)備精益管理與智能運維
5.4 產(chǎn)品再設(shè)計
5.4.1 產(chǎn)品再設(shè)計概述
5.4.2 智能運維與產(chǎn)品再設(shè)計
5.5 基于工業(yè)互聯(lián)網(wǎng)的運維平臺建設(shè)
5.5.1 工業(yè)互聯(lián)網(wǎng)的內(nèi)涵及體系架構(gòu)
5.5.2 工業(yè)互聯(lián)網(wǎng)與智能運維
參考文獻