本書主要介紹了故障診斷與預測方法、智能預測性維護技術(shù)體系與框架、基于IoT的感知資源管理框架與模型、面向復雜制造環(huán)境的無線路由模型與算法、數(shù)據(jù)采集的協(xié)議集成與設計案例、數(shù)據(jù)驅(qū)動的故障診斷方法、數(shù)據(jù)驅(qū)動的故障預測模型與方法、智能工廠的維護優(yōu)化調(diào)度與決策、大范圍維護服務預測與優(yōu)化配置、基于信息物理系統(tǒng)的運行過程控制。
本書可作為自動測試、可靠性和預測性維護等產(chǎn)品服務領域的重要參考書。
劉敏，同濟大學，教授，博士生導師 。近年，在國內(nèi)外學術(shù)期刊和國際會議發(fā)表論文100余篇，SCI/EI摘引100余篇次，研究了智能制造、大數(shù)據(jù)分析與預測、基于互聯(lián)網(wǎng)的服務優(yōu)化調(diào)度與配置等基礎理論、方法和技術(shù)，申報國家發(fā)明專利10余項，授權(quán)6項、軟件著作權(quán)9項。多次擔任國際學術(shù)會議的分會主席及程序委員會委員，受到人民郵電報、上海商報和常熟日報等媒體采訪，擔任上海市企業(yè)信息化促進中心理事和專家。先后獲得CAA技術(shù)發(fā)明一等獎（2015）、菲尼克斯電氣獎教金（2013）、同濟大學攀登高層次人才基金（2011）、上海市科技進步二等獎、863計劃CIMS先進工作者、上海市政府津貼等榮譽。
第1章緒論/1
1.1引言/1
1.1.1基于大數(shù)據(jù)的預測性分析與決策/1
1.1.2設備的智能預測性維護/2
1.1.3面向設備運營網(wǎng)絡的智能預測性維護/5
1.2維護策略/6
1.2.1故障維護/6
1.2.2預防性維護/8
1.2.3狀態(tài)維護/8
1.2.4預測性維護/11
1.2.5智能預測性維護/12
1.2.6維護策略的選擇方法/13
1.3發(fā)展趨勢/14
1.4本書內(nèi)容安排/15
參考文獻/16
第2章故障診斷與預測方法/17
2.1故障診斷與預測方法的一般分類/17
2.1.1故障診斷方法/18
2.1.2故障預測方法/20
2.2基于物理模型的故障預測方法/23
2.3基于可靠性模型的故障預測方法/24
2.4數(shù)據(jù)驅(qū)動的故障預測方法/27
2.4.1基于退化過程模型的方法/28
2.4.2基于機器學習的方法/30
2.4.3基于深度學習的方法/44
2.5融合模型驅(qū)動的故障預測方法/45
2.5.1信息融合技術(shù)/45
2.5.2融合建模的思路和方法/51
2.5.3一種多分類器融合模型/52
2.6基于失效樣本的故障預測方法選擇/54
參考文獻/55
第3章智能預測性維護技術(shù)體系與框架/58
3.1智能制造的參考體系架構(gòu)/58
3.2面向設備的智能預測性維護策略/60
3.2.1基于5C的預測性維護模型/60
3.2.2基于CPS的智能預測性維護模型/62
3.3面向設備運營網(wǎng)絡的智能預測性維護策略/65
3.3.1設備運營與維護網(wǎng)絡/65
3.3.2面向SPdM網(wǎng)絡的數(shù)據(jù)獲取與維護決策/66
3.4基于數(shù)據(jù)挖掘的智能預測性維護技術(shù)體系與框架/69
參考文獻/70
第4章基于IoT的感知資源管理框架與模型/72
4.1基于IoT的感知資源模型及管理框架/72
4.1.1IoT感知資源模型/73
4.1.2基于IoT的感知資源管理框架/79
4.1.3基于IoT的數(shù)據(jù)采集與處理框架/82
4.2基于區(qū)塊鏈的IoT資源安全管理模型/88
4.2.1區(qū)塊鏈與物聯(lián)網(wǎng)的關(guān)系/89
4.2.2基于區(qū)塊鏈的工業(yè)物聯(lián)網(wǎng)平臺/92
4.2.3基于SMPC的秘密分享機制和數(shù)據(jù)存儲方法/94
4.2.4標識管理和鏈路協(xié)議/98
4.3基于區(qū)塊鏈的IoT數(shù)據(jù)共享模型/101
4.4案例研究/104
參考文獻/106
第5章面向復雜制造環(huán)境的無線路由模型與算法/107
5.1網(wǎng)絡路由協(xié)議的研究現(xiàn)狀/107
5.2基于QoS的無線傳感器網(wǎng)絡路由模型/109
5.2.1QoS的度量參數(shù)/109
5.2.2具有QoS的網(wǎng)絡路由協(xié)議與模型/111
5.3基于量子蟻群算法的路由優(yōu)化算法/113
5.3.1蟻群算法和量子進化算法優(yōu)化機理/113
5.3.2量子蟻群算法/116
5.3.3量子蟻群多目標路由算法設計/120
5.3.4算法性能分析/121
5.4實驗與結(jié)果分析/122
參考文獻/126
第6章數(shù)據(jù)采集的協(xié)議集成與設計案例/129
6.1狀態(tài)監(jiān)測數(shù)據(jù)采集框架/129
6.2監(jiān)測網(wǎng)絡的協(xié)議選擇/131
6.2.1CAN總線協(xié)議/132
6.2.2ZigBee協(xié)議/134
6.2.3GPRS協(xié)議/137
6.3硬件選型與設計/138
6.3.1傳感器選型/138
6.3.2數(shù)據(jù)采集網(wǎng)絡層設計/139
6.4軟件設計/148
6.4.1ZigBee節(jié)點程序設計/149
6.4.2ARM控制板程序設計/149
參考文獻/151
第7章數(shù)據(jù)驅(qū)動的故障診斷方法/152
7.1數(shù)據(jù)驅(qū)動故障診斷方法的研究現(xiàn)狀/152
7.2面向非平穩(wěn)非線性狀態(tài)數(shù)據(jù)的特征提取方法/154
7.2.1產(chǎn)品的故障模式及信號監(jiān)測方法/154
7.2.2狀態(tài)監(jiān)測信號的特征提取方法/155
7.2.3圖像處理與波形處理相結(jié)合的特征提取方法/159
7.3基于卷積神經(jīng)網(wǎng)絡和集成學習的故障診斷方法/162
7.3.1多層多尺度特征最優(yōu)配置的CNN模型/162
7.3.2基于多層多尺度深度CNN和RFs的集成學習方法/164
7.3.3實驗仿真、分析與應用驗證/164
7.4基于卷積神經(jīng)網(wǎng)絡和遷移學習的故障診斷方法/169
7.4.1遷移學習的概念/169
7.4.2基于CNN和TL的故障診斷模型/170
7.4.3實驗仿真、分析與應用驗證/172
參考文獻/175
第8章數(shù)據(jù)驅(qū)動的故障預測模型與方法/177
8.1基于量子多智能體神經(jīng)網(wǎng)絡的故障預測模型/177
8.1.1神經(jīng)網(wǎng)絡故障預測模型/178
8.1.2QMA-BPNN算法/179
8.1.3基于量子多智能體神經(jīng)網(wǎng)絡的預測算法/183
8.1.4算法分析/185
8.2基于機器學習的故障預測模型/188
8.2.1故障預測建模技術(shù)/189
8.2.2算法的訓練、仿真和評估/192
8.2.3算法的驗證和測試方法/194
8.3基于深度學習的故障預測模型/198
8.3.1卷積神經(jīng)網(wǎng)絡模型/199
8.3.2面向多元時間序列數(shù)據(jù)的多種CNN預測模型/203
8.3.3算法分析/209
參考文獻/219
第9章智能工廠的維護優(yōu)化調(diào)度與決策/221
9.1維護與庫存的聯(lián)合優(yōu)化問題/221
9.1.1維護需求的種類/221
9.1.2維護策略與庫存控制模型的特征分類/222
9.2維護與備件庫存的聯(lián)合優(yōu)化策略/229
9.2.1基于塊的維護策略和定期檢查庫存策略/230
9.2.2基于塊的維護策略和連續(xù)檢查庫存策略/230
9.2.3基于役齡的維護策略和定期檢查庫存策略/231
9.2.4基于役齡的維護策略和連續(xù)檢查庫存策略/232
9.2.5狀態(tài)維護策略和定期與連續(xù)庫存檢查策略/233
9.3預測性維護與備件庫存聯(lián)合優(yōu)化模型/235
9.3.1基于仿真的聯(lián)合優(yōu)化模型/236
9.3.2基于馬爾科夫決策過程MDP的聯(lián)合優(yōu)化模型/245
9.3.3基于預測事件的聯(lián)合優(yōu)化模型/251
參考文獻/255
第10章大范圍維護服務預測與優(yōu)化配置/260
10.1MRO運營網(wǎng)絡的服務需求預測與優(yōu)化問題/260
10.2基于產(chǎn)品劣化狀態(tài)的需求預測與服務提供模型/263
10.2.1生產(chǎn)設備的加速劣化模型/264
10.2.2基于產(chǎn)品劣化狀態(tài)的需求預測及服務提供模型/267
10.2.3算例分析/270
10.3基于DSSI理論和FAHP賦權(quán)模式的服務提供商管理/276
10.3.1理論背景/277
10.3.2基于DSSI理論的提供商選擇模型/280
10.3.3基于FAHP賦權(quán)模式的提供商評價方法/291
10.4基于改進隨機規(guī)劃的服務備件預測與管理模型/301
10.4.1基于改進隨機規(guī)劃的備件管理模型/302
10.4.2模型求解/307
10.4.3算例分析/310
10.5基于模糊隨機規(guī)劃和利潤共享模式的服務資源配置/319
10.5.1基于模糊隨機規(guī)劃和利潤共享式的服務資源配置/320
10.5.2模型求解/325
10.5.3算例分析/331
參考文獻/340
第11章基于信息物理系統(tǒng)的運行過程控制/342
11.1CPS系統(tǒng)/342
11.1.1CPS的定義/342
11.1.2CPS研究現(xiàn)狀/343
11.1.3CPS架構(gòu)/345
11.2基于數(shù)字孿生的運行過程智能控制模型/351
11.2.1數(shù)字孿生模型/351
11.2.2數(shù)字孿生模型的相關(guān)應用/353
11.2.3運行過程智能控制模型/358
11.3數(shù)據(jù)驅(qū)動生產(chǎn)過程參數(shù)優(yōu)化案例分析/360
11.3.1數(shù)據(jù)采集與預處理/361
11.3.2系統(tǒng)建模與計算分析/362
11.3.3智能生產(chǎn)優(yōu)化策略/376
參考文獻/378
索引/380
新書資訊