中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
智能運維技術及應用 版權信息
- ISBN：9787302594741
- 條形碼：9787302594741 ; 978-7-302-59474-1
- 裝幀：80g純質紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能運維技術及應用 本書特色
國家出版基金項目，近百位高校、業內專家傾力打造
智能運維技術及應用 內容簡介
智能運維是面向產品全生命周期智能制造的重要組成部分。隨著感知技術、預測技術和智能技術的深度應用，裝備維修從原來的事后維修模式、定時維修模式逐步向基于狀態的維修模式轉變，而提高裝備狀態監測和維修決策水平是實現這種轉變的關鍵。本書在基于狀態的維修模式及其技術體系基礎上，對基于狀態的維修所涉及的數據處理、狀態監測、趨勢預測、故障診斷、維修決策等關鍵技術進行闡述，為復雜裝備制造服務和智能運維提供技術參考。
智能運維技術及應用 目錄
第1章智能運維概述00
1.1智能運維的主要內容00
1.2制造服務與智能運維00
1.2.1制造服務概述00
1.2.2智能運維在制造服務中的作用00
1.3設備維修策略的主要類型00
1.3.1事后維修策略00
1.3.2定時維修策略00
1.3.3基于狀態的維修策略00
1.3.4預測性維修策略0
1.4智能運維的主要關鍵技術0
1.5本書主要內容0
參考文獻0
第2章設備狀態數據預處理0
2.1狀態數據預處理概述0
2.2狀態數據的粗大誤差去除0
2.2.1粗大誤差去除原理及方法分析0
2.2.2粗大誤差判別準則及其選擇0
2.2.3粗大誤差去除應用實例0
2.3狀態數據的平滑處理0
2.3.1異常值保護指數平滑法0
2.3.2異常值識別多點移動平均法0
2.4基于連續小波變換模極大曲線的信號突變識別與重構0
2.4.1信號連續小波變換與反演算法0
2.4.2基本小波的選擇0
2.4.3邊沿效應及偽模極大的處理0
2.4.4信號突變識別與重構應用案例0
2.5基于趨勢項提取的狀態數據處理方法0
2.5.1奇異值分解降噪及其不足0
2.5.2基于EMD的信號趨勢分量提取方法0
2.5.3EMD和SVD相結合的狀態數據處理方法0
2.5.4應用案例0
2.6本章小結0
參考文獻0
第3章狀態特征的提取與遷移0
3.1狀態特征提取概述0
3.2基于核主元分析的狀態特征提取0
3.2.1主元分析的算法與分析0
3.2.2主元中核函數的引入0
3.2.3核主元分析特征提取的形式化描述0
3.2.4核主元分析算法的改進0
3.3基于自動編碼器的狀態特征提取0
3.3.1自動編碼器0
3.3.2去噪自動編碼器0
3.3.3稀疏自動編碼器0
3.3.4收縮自動編碼器0
3.4基于深度學習的狀態特征提取0
3.4.1深度學習簡介0
3.4.2深度置信網絡0
3.4.3堆疊自動編碼器0
3.4.4卷積神經網絡0
3.5基于深度遷移學習的狀態特征遷移0
3.5.1遷移學習簡介0
3.5.2DNN的可遷移性0
3.5.3深度遷移學習中的finetuning方法0
3.5.4深度遷移學習在民航發動機氣路異常檢測中的應用0
3.6本章小結0
參考文獻0
第4章設備狀態的異常檢測0
4.1異常檢測概述0
4.2異常的定義與分類0
4.3典型的異常檢測方法0
4.3.1基于復制神經網絡的異常檢測0
4.3.2基于孤立森林的異常檢測0
4.3.3基于*近鄰的異常檢測0
4.3.4基于聚類的異常檢測0
4.3.5基于統計的異常檢測0
4.3.6應用案例0
4.4基于QAR數據的航空發動機間歇性氣路異常檢測
4.4.1QAR數據特點與深度特征提取問題分析
4.4.2聯合SDAE與高斯分布方法的發動機異常檢測
4.4.3應用案例
4.5基于ACARS數據的航空發動機持續性氣路異常檢測
4.5.1ACARS報文特點與深度特征提取問題分析
4.5.2基于分組卷積去噪自編碼器的發動機氣路持續性異常檢測
4.5.3應用案例
4.6本章小結
參考文獻
第5章設備的故障診斷
5.1故障診斷概述
5.2指印圖與自組織特征映射網絡相結合的發動機氣路故障診斷
5.2.1SOFM神經網絡模型
5.2.2SOFM網絡的學習算法
5.2.3基于指印圖的航空發動機氣路故障診斷實例
5.3小樣本條件下基于遷移學習的發動機氣路故障診斷
5.3.1氣路參數偏差值數據分析及樣本設置
5.3.2基于CNN與SVM的氣路故障診斷方法
5.3.3實驗步驟及數據的收集
5.3.4實驗
5.4本章小結
參考文獻
第6章短期狀態趨勢預測
6.1短期狀態趨勢預測概述
6.2基于改進支持向量回歸的短期狀態趨勢預測
6.2.1支持向量回歸模型
6.2.2改進的支持向量回歸模型
6.2.3基于改進支持向量機回歸的發動機振動趨勢預測
6.2.4參數對預測性能的影響分析
6.3基于連續過程神經網絡的短期狀態趨勢預測
6.3.1過程神經網絡與時間序列預測
6.3.2混合遞歸過程神經網絡的拓撲結構
6.3.3混合遞歸過程神經網絡學習算法
6.3.4混合遞歸過程神經網絡預測的應用案例
6.4基于動態集成算法的短期狀態趨勢預測
6.4.1時間序列相空間重構
6.4.2動態加權核密度估計集成學習機
6.4.3基于動態集成算法的趨勢預測應用案例
6.5狀態參數自適應區間預測模型
6.5.1預測區間效果量度指標
6.5.2基于神經網絡的自適應區間預測模型
6.5.3基于和聲搜索的輸出構造控制參數優化
6.5.4航空發動機EGTM序列區間預測應用案例
6.6本章小結
參考文獻
第7章長期狀態趨勢預測
7.1長期狀態趨勢預測概述
7.2基于性能衰退模式挖掘的長期狀態趨勢預測
7.2.1性能衰退模式分析
7.2.2快速衰退階段模式挖掘
7.2.3正常衰退階段模式挖掘
7.2.4基于模式匹配的長期狀態趨勢預測
7.2.5應用案例
7.3基于DBSAGMM的長期狀態趨勢預測
7.3.1多元時間序列長期預測技術概述
7.3.2性能衰退軌跡的SBP預測問題描述
7.3.3基于統計距離的序列化高斯元聚合方法
7.3.4應用案例
7.4本章小結
參考文獻
第8章設備的短期維修規劃
8.1短期維修規劃概述
8.2維修時機優化
8.2.1維修期限預測
8.2.2基于維修期限的維修時機優化
8.2.3應用案例
8.3送修目標導向的維修工作范圍決策
8.3.1決策過程
8.3.2確定條件下單元體性能恢復值分配優化
8.3.3不確定條件下單元體性能恢復值分配優化
8.3.4應用案例
8.4基于生存分析的維修工作范圍決策
8.4.1單元體維修級別生存分析模型
8.4.2維修工作范圍優化模型
8.5本章小結
參考文獻
第9章面向全壽命的設備維修規劃
9.1全壽命維修規劃概述
9.2基于智能優化的全壽命維修規劃
9.2.1全壽命維修規劃建模
9.2.2在全壽命維修時機確定條件下的單元體*優維修策略
9.2.3在全壽命維修時機確定條件下的壽命件*優更換策略
9.2.4基于粒子群優化算法的發動機維修規劃模型求解
9.2.5應用案例
9.3基于Q學習的全壽命維修規劃
9.3.1基于Q學習的民航發動機維修規劃建模
9.3.2算法流程
9.3.3應用案例
9.4基于DQN的全壽命維修規劃
9.4.1深度Q學習理論簡介
9.4.2基于DQN的維修規劃建模
9.4.3算法訓練流程
9.4.4應用案例
9.5本章小結
參考文獻
第10章維修成本與備件需求預測
10.1概述
10.2維修成本預測
10.2.1維修成本構成分析
10.2.2大樣本條件下的維修成本預測
10.2.3小樣本條件下的維修成本預測
10.3易損件的備件需求預測
10.3.1周期型需求模式下的備件需求預測
10.3.2非周期需求模式下的備件需求預測
10.4關鍵件的備件需求預測
10.4.1需求發生時間預測
10.4.2基于時間聚合的需求量預測
10.4.3應用案例
10.5本章小結
參考文獻
第11章車間維修過程管理
11.1車間維修過程管理概述
11.2車間維修分解裝配序列規劃
11.2.1基于Petri網的分解裝配建模
11.2.2Petri網的*優變遷激發序列規劃
11.2.3零部件*優分解裝配序列規劃
11.2.4分解裝配序列規劃應用案例
11.3車間維修工作流時間管理
11.3.1維修作業工作流的動態建模
11.3.2維修作業層次細化工作流網的可調度性
11.3.3維修工作流執行時間的計算與分析
11.3.4工作流驗證方法應用案例
11.4車間維修資源調度
11.4.1維修作業過程自底向上建模
11.4.2化解維修資源沖突的路由策略
11.4.3維修車間資源靜態調度算法
11.4.4維修車間資源動態調度算法
11.4.5維修資源調度應用案例
11.5本章小結
參考文獻
第12章設備智能運維決策系統平臺設計與實現
12.1設備智能運維決策系統平臺需求概述
12.2面向服務的智能運維模式分析
12.3運維決策數據的集成管理
12.3.1設備運維數據建模
12.3.2基于BOM的運維數據集成管理
12.4構件化的設備智能運維決策系統架構設計
12.4.1設備智能運維決策系統平臺體系架構
12.4.2系統功能的構件化管理
12.5設備智能運維決策系統平臺核心功能與系統配置
12.5.1多源運維決策數據的接入
12.5.2運維數據的存儲及查詢管理
12.5.3基于流程引擎的業務過程管理
12.5.4復雜應用環境下的權限控制
12.5.5基于訂閱模式的消息管理
12.5.6基于業務構件的應用系統配置
12.6本章小結
參考文獻
第13章航空發動機機隊智能運維系統及其應用
13.1概述
13.2航空發動機原理簡介
13.3系統需求分析
13.4系統關鍵技術
13.4.1航空發動機運維數據組織
13.4.2航空發動機構型數據管理
13.4.3支持多協議的航空發動機監控參數采集
13.4.4航空發動機監控參數大數據存儲
13.5系統設計
13.5.1功能模型設計
13.5.2信息模型設計
13.6系統運行實例
13.7系統實施
13.8系統應用情況
13.9本章小結
參考文獻
展開全部
智能運維技術及應用 作者簡介
鐘詩勝 1964年6月出生，工學博士，教授，博士生導師。主要從事數字化設計與制造技術、數控技術與裝備、復雜裝備故障診斷與維修決策技術研究。承擔過包括國家自然科學基金重點項目、國家863計劃重點項目、國防基礎研究重點項目、歐盟科技計劃項目在內的多個項目。發表學術論文260余篇，獲省部級科學技術一等獎1項、二等獎2項、三等獎2項。裝備發展部先進制造技術專業組專家、中國機械工程學會機械工業自動化分會副理事長、中國機械工程學會機械設計分會理事，國家自然科學基金民航聯合基金項目上會評審專家，國家科技進步獎通訊評審專家。 張永健，1981年03月出生，工學博士，講師。主要從事知識工程、智能設計、復雜裝備健康管理等技術的研究與相關應用系統的研制開發。參與國家自然科學基金項目、國家863計劃項目、裝備預研項目、高等學校博士點專項基金、企業橫向項目等多個項目。發表學術論文10余篇。付旭云，1981年11月出生，工學博士，副教授。主要從事復雜裝備健康管理與維修決策支持技術研究。承擔或參與過包括國家自然科學基金項目、國家863計劃項目、民航科技計劃項目等在內的多個項目。發表學術論文10余篇，獲省部級科學技術一等獎1項。
書友推薦
- >
推拿
- >
中國歷史的瞬間
- >
朝聞道
- >
自卑與超越
- >
我與地壇
- >
【精裝繪本】畫給孩子的中國神話
- >
經典常談
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
