數智維修導論

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(fā)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(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(fā)展
1.3數智維修體系架構與業(yè)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(yè)務模型
1.4數智維修現(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(tài)系統(tǒng)
2.1數智維修發(fā)展的頂層戰(zhàn)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(yè)務的轉型升級
2.2.2數據科學將在數智維修中發(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(yè)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(jiān)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(huán)節(jié)
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(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)參數選擇
4.2.2典型傳感器的應用
4.2.3狀態(tài)感知數據預處理
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基于感知數據的特征計算
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(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(lián)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(zhàn)保障系統(tǒng)
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(guī)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(tǒng)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(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 數智維修決策與優(yōu)化
8.1數智維修決策應用場景
8.2維修業(yè)務數據分析模型
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)數據集成網絡的決策與優(yōu)化
8.4.3波音公司AnalytX數智維修規(guī)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(yè)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(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：孿生數據驅動的設計改進與優(yōu)化
9.4數智維修應用展望