數(shù)據(jù)驅(qū)動(dòng)的剩余壽命預(yù)測與維護(hù)決策技術(shù)

第1章  緒論001
1.1裝備維護(hù)保障的必要性和重要性001
1.2剩余壽命預(yù)測與維護(hù)決策的相關(guān)概念002
1.3剩余壽命預(yù)測研究現(xiàn)狀與趨勢004
1.4維護(hù)決策研究現(xiàn)狀與趨勢009
第2章  基于多變量模型的剩余壽命預(yù)測方法014
2.1概述014
2.2主要思想015
2.3裝備退化特征提取017
2.3.1Spearman相關(guān)性指標(biāo)018
2.3.2Spearman趨勢性指標(biāo)018
2.4基于多變量深度森林算法的健康評(píng)估模型019
2.4.1基于量子模糊聚類的健康狀態(tài)劃分019
2.4.2基于深度森林算法的離線系統(tǒng)健康狀態(tài)評(píng)估021
2.5基于DLSTM的離線退化趨勢預(yù)測建模024
2.5.1LSTM網(wǎng)絡(luò)結(jié)構(gòu)簡介024
2.5.2退化趨勢預(yù)測模型026
2.6基于組合模型的裝備在線剩余壽命預(yù)測方法027
2.6.1剩余壽命在線預(yù)測實(shí)施過程027
2.6.2預(yù)測評(píng)價(jià)標(biāo)準(zhǔn)028
2.7實(shí)驗(yàn)驗(yàn)證029
2.7.1數(shù)據(jù)來源029
2.7.2退化特征選擇結(jié)果031
2.7.3離線健康狀態(tài)評(píng)估建模與在線驗(yàn)證結(jié)果033
2.7.4離線退化趨勢預(yù)測建模和在線RUL估計(jì)037
2.8本章小結(jié)040
第3章  基于相似性模型的剩余壽命預(yù)測方法041
3.1概述041
3.2主要思想042
3.3多變量退化特征提取043
3.3.1基于Relief算法的退化特征篩選043
3.3.2基于主成分分析的退化特征提取044
3.4基于退化特征相似性的剩余壽命預(yù)測046
3.4.1基于時(shí)間序列片段時(shí)延的相似性評(píng)估046
3.4.2基于KDE密度加權(quán)的模型綜合048
3.5實(shí)驗(yàn)驗(yàn)證049
3.5.1預(yù)測性能指標(biāo)050
3.5.2相似性評(píng)估與參數(shù)選擇053
3.6本章小結(jié)056
第4章  基于隨機(jī)過程模型的剩余壽命預(yù)測方法057
4.1概述057
4.2主要思想057
4.3基于加速退化試驗(yàn)的混合退化過程建模058
4.4混合退化過程的壽命分布059
4.5混合退化過程的未知參數(shù)估計(jì)060
4.5.1動(dòng)態(tài)權(quán)重估計(jì)060
4.5.2使用M-H方法的混合過程未知參數(shù)估計(jì)062
4.6實(shí)驗(yàn)驗(yàn)證063
4.6.1參數(shù)估計(jì)063
4.6.2正常應(yīng)力水平下的可靠性分析066
4.6.3混合退化模型與傳統(tǒng)模型的比較068
4.7本章小結(jié)069
第5章  帶有風(fēng)險(xiǎn)規(guī)避自適應(yīng)的預(yù)測維護(hù)方法070
5.1概述070
5.2主要思想070
5.3剩余壽命預(yù)測建模071
5.3.1SVR的基本理論071
5.3.2退化特征與剩余壽命之間關(guān)系建模072
5.4規(guī)避風(fēng)險(xiǎn)的預(yù)測維護(hù)策略制定073
5.4.1風(fēng)險(xiǎn)規(guī)避函數(shù)設(shè)計(jì)073
5.4.2在線剩余壽命預(yù)測076
5.4.3維護(hù)策略制定與成本計(jì)算077
5.5實(shí)驗(yàn)驗(yàn)證078
5.5.1單一預(yù)測模型的剩余壽命預(yù)測結(jié)果078
5.5.2規(guī)避風(fēng)險(xiǎn)剩余壽命預(yù)測結(jié)果與分析078
5.5.3預(yù)測維護(hù)規(guī)劃結(jié)果與分析080
5.6本章小結(jié)082
第6章  基于剩余壽命預(yù)測區(qū)間的預(yù)測維護(hù)方法084
6.1概述084
6.2主要思想084
6.3剩余壽命預(yù)測區(qū)間估計(jì)086
6.3.1健康狀態(tài)劃分086
6.3.2剩余壽命預(yù)測邊界確定088
6.3.3在線剩余壽命預(yù)測區(qū)間估計(jì)090
6.4最優(yōu)維護(hù)決策091
6.4.1剩余壽命分布構(gòu)建091
6.4.2維護(hù)成本率函數(shù)形成與優(yōu)化092
6.4.3預(yù)測維護(hù)實(shí)施過程094
6.5實(shí)驗(yàn)驗(yàn)證094
6.5.1預(yù)測區(qū)間評(píng)估標(biāo)準(zhǔn)094
6.5.2預(yù)測區(qū)間估計(jì)實(shí)驗(yàn)結(jié)果與分析095
6.5.3維護(hù)決策實(shí)驗(yàn)結(jié)果與分析101
6.6本章小結(jié)103
第7章  基于失效概率估計(jì)的預(yù)測維護(hù)方法105
7.1概述105
7.2主要思想105
7.3基于性能退化的失效概率預(yù)測107
7.3.1退化趨勢預(yù)測107
7.3.2未來不同時(shí)間窗口的失效概率估計(jì)108
7.4兩種期望維護(hù)成本博弈下的維護(hù)決策110
7.4.1維護(hù)成本計(jì)算110
7.4.2基于成本評(píng)估的維護(hù)時(shí)間的確定110
7.4.3維護(hù)成本率計(jì)算111
7.5實(shí)驗(yàn)驗(yàn)證112
7.5.1離線預(yù)測建模結(jié)果112
7.5.2在線維護(hù)規(guī)劃結(jié)果113
7.5.3維護(hù)策略性能分析116
7.6本章小結(jié)117
第8章  考慮備件管理約束的預(yù)測維護(hù)方法118
8.1概述118
8.2主要思想118
8.3基于深度學(xué)習(xí)集成的系統(tǒng)健康預(yù)測119
8.3.1兩種深度學(xué)習(xí)算法集成119
8.3.2裝備健康預(yù)測實(shí)現(xiàn)過程121
8.4基于預(yù)測信息的維護(hù)和庫存決策規(guī)則122
8.4.1維護(hù)決策規(guī)則122
8.4.2庫存決策規(guī)則123
8.4.3預(yù)測維護(hù)實(shí)施過程123
8.5實(shí)驗(yàn)驗(yàn)證124
8.5.1預(yù)測精度討論125
8.5.2動(dòng)態(tài)預(yù)測維護(hù)決策結(jié)果與分析130
8.6本章小結(jié)133
第9章  基于失效時(shí)刻概率密度預(yù)測的預(yù)測維護(hù)方法134
9.1概述134
9.2主要思想134
9.3失效時(shí)刻概率密度預(yù)測135
9.3.1基于深度學(xué)習(xí)分位數(shù)回歸的剩余壽命預(yù)測135
9.3.2基于核密度估計(jì)的失效時(shí)刻分布計(jì)算136
9.4基于預(yù)測信息的維護(hù)和庫存策略137
9.4.1維護(hù)策略137
9.4.2庫存策略138
9.5實(shí)驗(yàn)驗(yàn)證139
9.5.1DAE-LSTMQR模型的參數(shù)配置139
9.5.2失效時(shí)刻概率密度預(yù)測結(jié)果140
9.5.3維護(hù)和庫存決策結(jié)果142
9.6本章小結(jié)144
第10章  面向非定期不可靠檢查的預(yù)測維護(hù)方法145
10.1概述145
10.2主要思想146
10.3維護(hù)策略的框架：描述和分析147
10.3.1維護(hù)描述147
10.3.2退化過程建模149
10.3.3維護(hù)成本函數(shù)149
10.4維護(hù)狀態(tài)演化與維護(hù)周期計(jì)算150
10.4.1基于半再生過程的長期成本率計(jì)算150
10.4.2半再生過程中不可靠檢查的影響151
10.5維護(hù)優(yōu)化和參數(shù)更新153
10.5.1決策變量的確定153
10.5.2退化參數(shù)更新154
10.6實(shí)驗(yàn)驗(yàn)證155
10.6.1完美檢查下的維護(hù)策略分析156
10.6.2不可靠檢查下的維護(hù)策略分析158
10.6.3與定期可靠檢查下的維護(hù)策略比較160
10.7本章小結(jié)161
參考文獻(xiàn)162