数据驱动的设备剩余寿命预测理论及应用

数据驱动的设备剩余寿命预测理论及应用
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: ,
2016-04
版次: 1
ISBN: 9787118103946
定价: 88.00
装帧: 精装
开本: 16开
纸张: 胶版纸
页数: 246页
字数: 310千字
正文语种: 简体中文
分类: 工程技术
54人买过
  •   《数据驱动的设备剩余寿命预测理论及应用》理论研究与工程实例验证紧密结合,对推动设备剩余寿命预测理论及应用研究的发展具有重要作用,对促进可靠性工程、随机建模、数据分析等相关科技领域的发展也有重要的意义,对从事寿命试验设计、分析、管理的人员,从事健康管理系统验证和设计的科技人员,从事设备寿命预测理论、故障预测理论及应用研究的科技人员具有重要的参考价值。 第1章 绪论
    1.1 引言
    1.2 预测与健康管理的研究进展
    1.3 数据驱动的剩余寿命预测综述
    1.3.1 基于直接监测数据的剩余寿命预测
    1.3.2 基于间接监测数据的剩余寿命预测
    1.4 本书概况

    第2章 寿命预测性能约束下的数据测量误差可行域分析
    2.1 引言
    2.2 问题提出和基本定义
    2.2.1 问题提出
    2.2.2 基本定义
    2.3 考虑测量误差和不考虑测量误差时寿命预测的性质
    2.3.1 不考虑测量误差时寿命预测的性质
    2.3.2 考虑测量误差时寿命预测的性质
    2.4 寿命预测性能约束下测量误差参数的可行域
    2.4.1 考虑与不考虑测量误差时寿命预测差异的性能测度
    2.4.2 变化系数相对增加率下测量误差参数的可行域
    2.4.3 方差相对增加率下测量误差参数的可行域
    2.4.4 相似性测度下测量误差参数的可行域
    2.5 带随机测量误差的寿命预测对维修决策的影响
    2.6 实例研究
    2.6.1 数值例子
    2.6.2 惯性导航系统实例验证

    第3章 线性随机退化设备的剩余寿命自适应预测方法
    3.1 引言
    3.2 线性随机退化设备的退化建模
    3.2.1 基于线性随机退化模型的寿命分析方法概述
    3.2.2 线性随机退化设备建模
    3.3 剩余寿命自适应预测
    3.4 随机模型参数估计算法及其收敛性分析
    3.4.1 期望最大化算法
    3.4.2 线性随机退化模型参数自适应估计算法
    3.4.3 模型参数自适应估计算法的收敛性分析
    3.5 实例研究
    3.5.1 问题描述
    3.5.2 惯性导航系统剩余寿命预测结果
    3.5.3 比较研究

    第4章 线性随机退化设备剩余寿命预测的精确封闭解
    4.1 引言
    4.2 依赖于退化轨迹的剩余寿命自适应预测方法
    4.2.1 基于随机过程的退化模型的一般性描述
    4.2.2 依赖于退化轨迹的剩余寿命自适应预测方法
    4.3 线性随机退化模型及剩余寿命预测
    4.4 指数随机退化模型及剩余寿命预测
    4.5 验证研究
    4.5.1 数值例子
    4.5.2 惯性导航系统实例研究

    第5章 多层不确定性下的设备剩余寿命预测方法
    5.1 引言
    5.2 问题描述
    5.3 三层不确定性下设备的剩余寿命预测
    5.3.1 情况1时的剩余寿命预测
    5.3.2 情况2时的剩余寿命预测
    5.3.3 情况3:三层不确定性下的剩余寿命预测
    5.4 模型参数可辨识性与估计方法
    5.5 实例研究
    5.5.1 实例问题描述
    5.5.2 模型拟合度比较
    5.5.3 剩余寿命预测比较

    第6章 非线性随机退化建模与剩余寿命预测方法
    6.1 引言
    6.2 启发性实例与非线性随机退化建模
    6.2.1 启发性实例
    6.2.2 非线性随机退化过程建模
    6.3 非线性随机退化设备的剩余寿命预测
    6.3.1 寿命分布的推导
    6.3.2 考虑个体差异时的剩余寿命预测
    6.3.3 考虑测量不确定性时的剩余寿命预测
    6.4 非线性随机退化模型的参数估计
    6.5 实例研究
    6.5.1 激光发生器的退化数据
    6.5.2 航空铝合金材料A2017-T4的疲劳裂纹增长数据
    6.5.3 惯性导航系统陀螺仪漂移退化数据

    第7章 隐含非线性退化建模与剩余寿命在线预测方法
    7.1 引言
    7.2 问题描述与剩余寿命预测
    7.2.1 问题描述
    7.2.2 剩余寿命预测
    7.3 参数在线估计算法
    7.4 三种非线性函数下的具体实现
    7.4.1 三种非线性函数形式下剩余寿命分布的推导
    7.4.2 三种状态空间模型对应的参数估计方法-
    7.5 数值算例
    7.5.1 数值仿真验证
    7.5.2 补充的数值算例
    7.6 实例验证
    7.6.1 问题描述
    7.6.2 实验结果分析

    第8章 存在状态切换的设备剩余储存寿命预测方法
    8.1 引言
    8.2 问题描述
    8.3 设备储存一工作状态切换过程建模
    8.3.1 随机时变的设备运行过程
    8.3.2 设备运行过程参数的Bayesian估计
    8.4 设备退化过程建模与剩余储存寿命预测
    8.4.1 固定设备运行过程与模型参数下的剩余储存寿命预测
    8.4.2 退化过程参数的Bayesian估计
    8.4.3 随机时变设备运行过程下的剩余储存寿命预测
    8.5 实例研究
    8.5.1 问题背景与数据描述
    8.5.2 结果与讨论

    附录A 方程(2.101)和方程(2.102)的推导
    附录B 引理5.2和引理5.3的证明
    参考文献
  • 内容简介:
      《数据驱动的设备剩余寿命预测理论及应用》理论研究与工程实例验证紧密结合,对推动设备剩余寿命预测理论及应用研究的发展具有重要作用,对促进可靠性工程、随机建模、数据分析等相关科技领域的发展也有重要的意义,对从事寿命试验设计、分析、管理的人员,从事健康管理系统验证和设计的科技人员,从事设备寿命预测理论、故障预测理论及应用研究的科技人员具有重要的参考价值。
  • 目录:
    第1章 绪论
    1.1 引言
    1.2 预测与健康管理的研究进展
    1.3 数据驱动的剩余寿命预测综述
    1.3.1 基于直接监测数据的剩余寿命预测
    1.3.2 基于间接监测数据的剩余寿命预测
    1.4 本书概况

    第2章 寿命预测性能约束下的数据测量误差可行域分析
    2.1 引言
    2.2 问题提出和基本定义
    2.2.1 问题提出
    2.2.2 基本定义
    2.3 考虑测量误差和不考虑测量误差时寿命预测的性质
    2.3.1 不考虑测量误差时寿命预测的性质
    2.3.2 考虑测量误差时寿命预测的性质
    2.4 寿命预测性能约束下测量误差参数的可行域
    2.4.1 考虑与不考虑测量误差时寿命预测差异的性能测度
    2.4.2 变化系数相对增加率下测量误差参数的可行域
    2.4.3 方差相对增加率下测量误差参数的可行域
    2.4.4 相似性测度下测量误差参数的可行域
    2.5 带随机测量误差的寿命预测对维修决策的影响
    2.6 实例研究
    2.6.1 数值例子
    2.6.2 惯性导航系统实例验证

    第3章 线性随机退化设备的剩余寿命自适应预测方法
    3.1 引言
    3.2 线性随机退化设备的退化建模
    3.2.1 基于线性随机退化模型的寿命分析方法概述
    3.2.2 线性随机退化设备建模
    3.3 剩余寿命自适应预测
    3.4 随机模型参数估计算法及其收敛性分析
    3.4.1 期望最大化算法
    3.4.2 线性随机退化模型参数自适应估计算法
    3.4.3 模型参数自适应估计算法的收敛性分析
    3.5 实例研究
    3.5.1 问题描述
    3.5.2 惯性导航系统剩余寿命预测结果
    3.5.3 比较研究

    第4章 线性随机退化设备剩余寿命预测的精确封闭解
    4.1 引言
    4.2 依赖于退化轨迹的剩余寿命自适应预测方法
    4.2.1 基于随机过程的退化模型的一般性描述
    4.2.2 依赖于退化轨迹的剩余寿命自适应预测方法
    4.3 线性随机退化模型及剩余寿命预测
    4.4 指数随机退化模型及剩余寿命预测
    4.5 验证研究
    4.5.1 数值例子
    4.5.2 惯性导航系统实例研究

    第5章 多层不确定性下的设备剩余寿命预测方法
    5.1 引言
    5.2 问题描述
    5.3 三层不确定性下设备的剩余寿命预测
    5.3.1 情况1时的剩余寿命预测
    5.3.2 情况2时的剩余寿命预测
    5.3.3 情况3:三层不确定性下的剩余寿命预测
    5.4 模型参数可辨识性与估计方法
    5.5 实例研究
    5.5.1 实例问题描述
    5.5.2 模型拟合度比较
    5.5.3 剩余寿命预测比较

    第6章 非线性随机退化建模与剩余寿命预测方法
    6.1 引言
    6.2 启发性实例与非线性随机退化建模
    6.2.1 启发性实例
    6.2.2 非线性随机退化过程建模
    6.3 非线性随机退化设备的剩余寿命预测
    6.3.1 寿命分布的推导
    6.3.2 考虑个体差异时的剩余寿命预测
    6.3.3 考虑测量不确定性时的剩余寿命预测
    6.4 非线性随机退化模型的参数估计
    6.5 实例研究
    6.5.1 激光发生器的退化数据
    6.5.2 航空铝合金材料A2017-T4的疲劳裂纹增长数据
    6.5.3 惯性导航系统陀螺仪漂移退化数据

    第7章 隐含非线性退化建模与剩余寿命在线预测方法
    7.1 引言
    7.2 问题描述与剩余寿命预测
    7.2.1 问题描述
    7.2.2 剩余寿命预测
    7.3 参数在线估计算法
    7.4 三种非线性函数下的具体实现
    7.4.1 三种非线性函数形式下剩余寿命分布的推导
    7.4.2 三种状态空间模型对应的参数估计方法-
    7.5 数值算例
    7.5.1 数值仿真验证
    7.5.2 补充的数值算例
    7.6 实例验证
    7.6.1 问题描述
    7.6.2 实验结果分析

    第8章 存在状态切换的设备剩余储存寿命预测方法
    8.1 引言
    8.2 问题描述
    8.3 设备储存一工作状态切换过程建模
    8.3.1 随机时变的设备运行过程
    8.3.2 设备运行过程参数的Bayesian估计
    8.4 设备退化过程建模与剩余储存寿命预测
    8.4.1 固定设备运行过程与模型参数下的剩余储存寿命预测
    8.4.2 退化过程参数的Bayesian估计
    8.4.3 随机时变设备运行过程下的剩余储存寿命预测
    8.5 实例研究
    8.5.1 问题背景与数据描述
    8.5.2 结果与讨论

    附录A 方程(2.101)和方程(2.102)的推导
    附录B 引理5.2和引理5.3的证明
    参考文献
查看详情
相关图书 / 更多
数据驱动的设备剩余寿命预测理论及应用
数据新闻与信息可视化
周葆华;徐笛;崔迪
数据驱动的设备剩余寿命预测理论及应用
数据合规师概论
郑少华、商建刚
数据驱动的设备剩余寿命预测理论及应用
数据思维——从数据分析到商业价值(第2版)
王汉生
数据驱动的设备剩余寿命预测理论及应用
数据科学优化方法
孙怡帆
数据驱动的设备剩余寿命预测理论及应用
数据资产入表:理论与实务
赵治纲
数据驱动的设备剩余寿命预测理论及应用
数据处理技术与方法研究
付雯
数据驱动的设备剩余寿命预测理论及应用
数据治理 工业企业数字化转型之道 第2版
祝守宇
数据驱动的设备剩余寿命预测理论及应用
数据可视化Pyecharts探秘实践教程/新工科大数据专业群实践丛书
余先昊、袁华 编
数据驱动的设备剩余寿命预测理论及应用
数据标注工程——语言知识与应用
于东
数据驱动的设备剩余寿命预测理论及应用
数据可视化基础与应用
刘佳 许桂秋 李静雯
数据驱动的设备剩余寿命预测理论及应用
数据权利保护的模式与机制
余圣琪
数据驱动的设备剩余寿命预测理论及应用
数据科学伦理:概念、技术和警世故事
[比利时]大卫·马滕斯(David;Martens