掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
數智維修導論 版權信息
- ISBN：9787111733430
- 條形碼：9787111733430 ; 978-7-111-73343-0
- 裝幀：精裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數智維修導論 內容簡介
本書系統論述了裝備維修保障數智化變革的理論與實踐，是對數智維修這一全新領域的一次極為有益的探索。本書基于作者數十年的裝備維修保障研究經驗，全面梳理了數智維修的概念內涵及其生態系統，論述了數智維修的數據管理與應用方法，研究了面向數智維修的狀態感知與評估、故障診斷與壽命預測、信息融合、決策與優化、資源供應保障等方面的關鍵技術，并通過典型案例展示了數智維修的具體形態及發展趨勢。
本書兼具頂層理論體系及技術框架，對我國數智維修領域變革具有重要的指導意義，值得相關領域的專家、學者、工程技術人員及項目管理人員研讀。
數智維修導論 目錄
目錄
序一
序二
前言
第1章 緒論
1.1數智維修概念內涵
1.1.1維修理念的發展
1.1.2維修信息化與數智維修
1.1.3數智維修的特征
1.2數智維修產生的背景
1.2.1智能社會為數智維修的發展創造了基本條件
1.2.2智能化戰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智維修奠定數據基礎
1.2.4故障預測與健康管理技術推動了數智維修的發展
1.3數智維修體系架構與業務模型
1.3.1單裝與裝備體系數智維修
1.3.2單裝數智維修體系架構1.3.3裝備體系數智維修運行架構
1.3.4數智維修業務模型
1.4數智維修現狀及趨勢
1.4.1智能精確的保障理念在實踐中不斷發展
1.4.2管理創新將成為一種戰略性方法技術
1.4.3先進維修技術在數智維修中的應用不斷拓展
1.5本書框架結構
第2章 數智維修生態系統
2.1數智維修發展的頂層戰略
2.2數智維修建設的基本原則
2.2.1數智維修本質上是維修業務的轉型升級
2.2.2數據科學將在數智維修中發揮核心作用
2.2.3物聯網在資源感知與響應中發揮關鍵作用
2.2.4人工智能技術支撐裝備維修保障動態決策與優化
2.2.5數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數智維修運行的基礎平臺
2.3.1數據采集層
2.3.2數據管理層
2.3.3數據處理層
2.3.4業務組件層
2.3.5場景應用層
2.4數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強化標準化數據治理
第3章 數智維修數據管理
3.1面向全壽命周期的維修數據
3.2維修元數據管理
3.3結構化維修數據管理
3.3.1維修主數據管理
3.3.2裝備維修保障參考數據及事務數據管理
3.3.3裝備維修保障監測數據管理
3.3.4維修保障分析數據管理
3.4非結構化維修數據管理
3.5維修數據質量評估與管理
3.5.1維修數據質量管理環節
3.5.2數據質量控制
3.5.3數據質量評估
3.6數智維修數據安全
第4章 數智維修狀態感知與評估
4.1狀態感知與評估概述
4.2狀態感知技術
4.2.1典型系統狀態參數選擇
4.2.2典型傳感器的應用
4.2.3狀態感知數據預處理
4.3狀態特征提取技術
4.3.1狀態特征提取的工作內容
4.3.2基于感知數據的特征計算
4.3.3狀態特征的優化選擇與提取技術
4.4健康狀態評估方法
4.4.1健康狀態等級
4.4.2神經網絡模型
4.4.3灰色關聯分析法
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評估系統
4.5.3“猛禽”戰斗機F119發動機應用案例
第5章 數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故障診斷應用數據智能技術應關注的問題
5.3數據驅動的壽命預測方法與技術
5.3.1數據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控系統
5.4.2EJ200發動機故障預測與健康管理
第6章 數智維修信息融合
6.1數智維修信息融合概述
6.1.1數智維修信息融合范圍
6.1.2數智維修信息融合思路
6.1.3數智維修信息融合效果
6.2維修數據到維修信息的轉換
6.2.1基于關聯挖掘的維修數據關系梳理
6.2.2維修數據的密度聚類異常標注方法
6.2.3維修數據的異構模糊匹配
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美國陸軍全球作戰保障系統
6.4.2某型船用柴油機非結構化數據融合
第7章 數智維修資源保障
7.1基于感知與響應的維修資源規劃
7.1.1數智維修對資源保障的要求
7.1.2感知與響應保障系統的構成
7.2維修資源感知與數據分析
7.2.1維修資源數據感知
7.2.2維修資源數據智能分析
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維修資源建模與優化方法
7.3.3維修資源模型開發及應用技術
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 數智維修決策與優化
8.1數智維修決策應用場景
8.2維修業務數據分析模型
8.2.1基于模糊神經網絡的維修規則構建模型
8.2.2基于關系網絡模型的維修業務關系構建
8.3數智維修決策生成與優化方法
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基于多業務聯邦學習的維修決策
8.3.4機器學習—專家系統雙反饋協同的維修決策優化
8.4典型應用
8.4.1美國陸軍戰術、戰役、戰略級決策支持
8.4.2F-35戰斗機基于作戰數據集成網絡的決策與優化
8.4.3波音公司AnalytX數智維修規劃與管理工具
8.4.4美國海軍面向大數據分析的維修決策工具
第9章 數智維修實踐和應用展望
9.1數智維修基本能力構成
9.2數智維修平臺業務框架設計
9.3數智維修平臺典型應用
9.3.1應用一：裝備狀態感知與評估
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：孿生數據驅動的設計改進與優化
9.4數智維修應用展望
序一
序二
前言
第1章 緒論
1.1數智維修概念內涵
1.1.1維修理念的發展
1.1.2維修信息化與數智維修
1.1.3數智維修的特征
1.2數智維修產生的背景
1.2.1智能社會為數智維修的發展創造了基本條件
1.2.2智能化戰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智維修奠定數據基礎
1.2.4故障預測與健康管理技術推動了數智維修的發展
1.3數智維修體系架構與業務模型
1.3.1單裝與裝備體系數智維修
1.3.2單裝數智維修體系架構1.3.3裝備體系數智維修運行架構
1.3.4數智維修業務模型
1.4數智維修現狀及趨勢
1.4.1智能精確的保障理念在實踐中不斷發展
1.4.2管理創新將成為一種戰略性方法技術
1.4.3先進維修技術在數智維修中的應用不斷拓展
1.5本書框架結構
第2章 數智維修生態系統
2.1數智維修發展的頂層戰略
2.2數智維修建設的基本原則
2.2.1數智維修本質上是維修業務的轉型升級
2.2.2數據科學將在數智維修中發揮核心作用
2.2.3物聯網在資源感知與響應中發揮關鍵作用
2.2.4人工智能技術支撐裝備維修保障動態決策與優化
2.2.5數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數智維修運行的基礎平臺
2.3.1數據采集層
2.3.2數據管理層
2.3.3數據處理層
2.3.4業務組件層
2.3.5場景應用層
2.4數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強化標準化數據治理
第3章 數智維修數據管理
3.1面向全壽命周期的維修數據
3.2維修元數據管理
3.3結構化維修數據管理
3.3.1維修主數據管理
3.3.2裝備維修保障參考數據及事務數據管理
3.3.3裝備維修保障監測數據管理
3.3.4維修保障分析數據管理
3.4非結構化維修數據管理
3.5維修數據質量評估與管理
3.5.1維修數據質量管理環節
3.5.2數據質量控制
3.5.3數據質量評估
3.6數智維修數據安全
第4章 數智維修狀態感知與評估
4.1狀態感知與評估概述
4.2狀態感知技術
4.2.1典型系統狀態參數選擇
4.2.2典型傳感器的應用
4.2.3狀態感知數據預處理
4.3狀態特征提取技術
4.3.1狀態特征提取的工作內容
4.3.2基于感知數據的特征計算
4.3.3狀態特征的優化選擇與提取技術
4.4健康狀態評估方法
4.4.1健康狀態等級
4.4.2神經網絡模型
4.4.3灰色關聯分析法
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評估系統
4.5.3“猛禽”戰斗機F119發動機應用案例
第5章 數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故障診斷應用數據智能技術應關注的問題
5.3數據驅動的壽命預測方法與技術
5.3.1數據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控系統
5.4.2EJ200發動機故障預測與健康管理
第6章 數智維修信息融合
6.1數智維修信息融合概述
6.1.1數智維修信息融合范圍
6.1.2數智維修信息融合思路
6.1.3數智維修信息融合效果
6.2維修數據到維修信息的轉換
6.2.1基于關聯挖掘的維修數據關系梳理
6.2.2維修數據的密度聚類異常標注方法
6.2.3維修數據的異構模糊匹配
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美國陸軍全球作戰保障系統
6.4.2某型船用柴油機非結構化數據融合
第7章 數智維修資源保障
7.1基于感知與響應的維修資源規劃
7.1.1數智維修對資源保障的要求
7.1.2感知與響應保障系統的構成
7.2維修資源感知與數據分析
7.2.1維修資源數據感知
7.2.2維修資源數據智能分析
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維修資源建模與優化方法
7.3.3維修資源模型開發及應用技術
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 數智維修決策與優化
8.1數智維修決策應用場景
8.2維修業務數據分析模型
8.2.1基于模糊神經網絡的維修規則構建模型
8.2.2基于關系網絡模型的維修業務關系構建
8.3數智維修決策生成與優化方法
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基于多業務聯邦學習的維修決策
8.3.4機器學習—專家系統雙反饋協同的維修決策優化
8.4典型應用
8.4.1美國陸軍戰術、戰役、戰略級決策支持
8.4.2F-35戰斗機基于作戰數據集成網絡的決策與優化
8.4.3波音公司AnalytX數智維修規劃與管理工具
8.4.4美國海軍面向大數據分析的維修決策工具
第9章 數智維修實踐和應用展望
9.1數智維修基本能力構成
9.2數智維修平臺業務框架設計
9.3數智維修平臺典型應用
9.3.1應用一：裝備狀態感知與評估
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：孿生數據驅動的設計改進與優化
9.4數智維修應用展望
展開全部
數智維修導論 作者簡介
栗琳，1964年1月出生，國家首批高端智庫軍事科學院國防科技創新研究院的資深專家，北京大學特聘教授，北大情報學博士生導師。2006年優秀國防科技情報工作者，2009年政府特殊津貼獲得者，2013年軍隊優秀專業技術人才一類崗位津貼獲得者。長期從事國防科技發展戰略與裝備維修保障研究，獲軍隊科技進步一等獎1項，二等獎7項，軍事理論研究一等獎1項。2021年作為主要作者完成了《情報與智庫》專著，該專著獲國家社科基金重大項目以及國家科學技術學術著作出版基金資助。
書友推薦
- >
巴金－再思錄
- >
自卑與超越
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
名家帶你讀魯迅:故事新編
- >
月亮虎
- >
隨園食單
- >
月亮與六便士
- >
我從未如此眷戀人間
本類暢銷
