智能運(yùn)維技術(shù)及應(yīng)用

智能運(yùn)維技術(shù)及應(yīng)用讀書筆記模板01思維導(dǎo)圖目錄分析精彩摘錄內(nèi)容摘要讀書筆記作者介紹目錄0305020406思維導(dǎo)圖運(yùn)維技術(shù)維修狀態(tài)技術(shù)智能預(yù)測(cè)應(yīng)用發(fā)動(dòng)機(jī)案例狀態(tài)維修數(shù)據(jù)算法預(yù)測(cè)方法小結(jié)參考文獻(xiàn)過(guò)程本書關(guān)鍵字分析思維導(dǎo)圖內(nèi)容摘要內(nèi)容摘要智能運(yùn)維是面向產(chǎn)品全生命周期智能制造的重要組成部分。隨著感知技術(shù)、預(yù)測(cè)技術(shù)和智能技術(shù)的深度應(yīng)用，裝備維修從原來(lái)的事后維修模式、定時(shí)維修模式逐步向基于狀態(tài)的維修模式轉(zhuǎn)變，而提高裝備狀態(tài)監(jiān)測(cè)和維修決策水平是實(shí)現(xiàn)這種轉(zhuǎn)變的關(guān)鍵。本書在基于狀態(tài)的維修模式及其技術(shù)體系基礎(chǔ)上，對(duì)基于狀態(tài)的維修所涉及的數(shù)據(jù)處理、狀態(tài)監(jiān)測(cè)、趨勢(shì)預(yù)測(cè)、故障診斷、維修決策等關(guān)鍵技術(shù)進(jìn)行闡述，為復(fù)雜裝備制造服務(wù)和智能運(yùn)維提供技術(shù)參考。目錄分析1.1智能運(yùn)維的主要內(nèi)容1.2制造服務(wù)與智能運(yùn)維1.3設(shè)備維修策略的主要類型1.4智能運(yùn)維的主要關(guān)鍵技術(shù)第1章智能運(yùn)維概述參考文獻(xiàn)1.5本書主要內(nèi)容第1章智能運(yùn)維概述1.2制造服務(wù)與智能運(yùn)維1.2.1制造服務(wù)概述1.2.2智能運(yùn)維在制造服務(wù)中的作用1.3設(shè)備維修策略的主要類型1.3.1事后維修策略1.3.2定時(shí)維修策略1.3.3基于狀態(tài)的維修策略1.3.4預(yù)測(cè)性維修策略2.1狀態(tài)數(shù)據(jù)預(yù)處理概述2.2狀態(tài)數(shù)據(jù)的粗大誤差去除2.3狀態(tài)數(shù)據(jù)的平滑處理2.4基于連續(xù)小波變換模極大曲線的信號(hào)突變識(shí)別與重構(gòu)第2章設(shè)備狀態(tài)數(shù)據(jù)預(yù)處理2.5基于趨勢(shì)項(xiàng)提取的狀態(tài)數(shù)據(jù)處理方法參考文獻(xiàn)2.6本章小結(jié)第2章設(shè)備狀態(tài)數(shù)據(jù)預(yù)處理2.2狀態(tài)數(shù)據(jù)的粗大誤差去除2.2.1粗大誤差去除原理及方法分析2.2.2粗大誤差判別準(zhǔn)則及其選擇2.2.3粗大誤差去除應(yīng)用實(shí)例2.3狀態(tài)數(shù)據(jù)的平滑處理2.3.1異常值保護(hù)指數(shù)平滑法2.3.2異常值識(shí)別多點(diǎn)移動(dòng)平均法2.4基于連續(xù)小波變換模極大曲線的信號(hào)突變識(shí)別與重構(gòu)2.4.1信號(hào)連續(xù)小波變換與反演算法2.4.2基本小波的選擇2.4.3邊沿效應(yīng)及偽模極大的處理2.4.4信號(hào)突變識(shí)別與重構(gòu)應(yīng)用案例2.5基于趨勢(shì)項(xiàng)提取的狀態(tài)數(shù)據(jù)處理方法2.5.1奇異值分解降噪及其不足2.5.2基于EMD的信號(hào)趨勢(shì)分量提取方法2.5.3EMD和SVD相結(jié)合的狀態(tài)數(shù)據(jù)處理方法2.5.4應(yīng)用案例3.1狀態(tài)特征提取概述3.2基于核主元分析的狀態(tài)特征提取3.3基于自動(dòng)編碼器的狀態(tài)特征提取3.4基于深度學(xué)習(xí)的狀態(tài)特征提取3.5基于深度遷移學(xué)習(xí)的狀態(tài)特征遷移12345第3章狀態(tài)特征的提取與遷移參考文獻(xiàn)3.6本章小結(jié)第3章狀態(tài)特征的提取與遷移3.2基于核主元分析的狀態(tài)特征提取3.2.1主元分析的算法與分析3.2.2主元中核函數(shù)的引入3.2.3核主元分析特征提取的形式化描述3.2.4核主元分析算法的改進(jìn)3.3基于自動(dòng)編碼器的狀態(tài)特征提取3.3.1自動(dòng)編碼器3.3.2去噪自動(dòng)編碼器3.3.3稀疏自動(dòng)編碼器3.3.4收縮自動(dòng)編碼器3.4基于深度學(xué)習(xí)的狀態(tài)特征提取3.4.1深度學(xué)習(xí)簡(jiǎn)介3.4.2深度置信絡(luò)3.4.3堆疊自動(dòng)編碼器3.4.4卷積神經(jīng)絡(luò)3.5基于深度遷移學(xué)習(xí)的狀態(tài)特征遷移3.5.1遷移學(xué)習(xí)簡(jiǎn)介3.5.2DNN的可遷移性3.5.3深度遷移學(xué)習(xí)中的fine-tuning方法3.5.4深度遷移學(xué)習(xí)在民航發(fā)動(dòng)機(jī)氣路異常檢測(cè)中的應(yīng)用4.1異常檢測(cè)概述4.2異常的定義與分類4.3典型的異常檢測(cè)方法4.4基于QAR數(shù)據(jù)的航空發(fā)動(dòng)機(jī)間歇性氣路異常檢測(cè)4.5基于ACARS數(shù)據(jù)的航空發(fā)動(dòng)機(jī)持續(xù)性氣路異常檢測(cè)12345第4章設(shè)備狀態(tài)的異常檢測(cè)參考文獻(xiàn)4.6本章小結(jié)第4章設(shè)備狀態(tài)的異常檢測(cè)4.3典型的異常檢測(cè)方法4.3.1基于復(fù)制神經(jīng)絡(luò)的異常檢測(cè)4.3.2基于孤立森林的異常檢測(cè)4.3.3基于最近鄰的異常檢測(cè)4.3.4基于聚類的異常檢測(cè)4.3.5基于統(tǒng)計(jì)的異常檢測(cè)4.3.6應(yīng)用案例4.4基于QAR數(shù)據(jù)的航空發(fā)動(dòng)機(jī)間歇性氣路異常檢測(cè)4.4.1QAR數(shù)據(jù)特點(diǎn)與深度特征提取問(wèn)題分析4.4.2聯(lián)合SDAE與高斯分布方法的發(fā)動(dòng)機(jī)異常檢測(cè)4.4.3應(yīng)用案例4.5基于ACARS數(shù)據(jù)的航空發(fā)動(dòng)機(jī)持續(xù)性氣路異常檢測(cè)4.5.1ACARS報(bào)文特點(diǎn)與深度特征提取問(wèn)題分析4.5.2基于分組卷積去噪自編碼器的發(fā)動(dòng)機(jī)氣路持續(xù)性異常檢測(cè)4.5.3應(yīng)用案例5.1故障診斷概述5.3小樣本條件下基于遷移學(xué)習(xí)的發(fā)動(dòng)機(jī)氣路故障診斷5.2指印圖與自組織特征映射絡(luò)相結(jié)合的發(fā)動(dòng)機(jī)氣路故障診斷第5章設(shè)備的故障診斷參考文獻(xiàn)5.4本章小結(jié)第5章設(shè)備的故障診斷5.2指印圖與自組織特征映射絡(luò)相結(jié)合的發(fā)動(dòng)機(jī)氣路故障診斷5.2.1SOFM神經(jīng)絡(luò)模型5.2.2SOFM絡(luò)的學(xué)習(xí)算法5.2.3基于指印圖的航空發(fā)動(dòng)機(jī)氣路故障診斷實(shí)例5.3小樣本條件下基于遷移學(xué)習(xí)的發(fā)動(dòng)機(jī)氣路故障診斷5.3.1氣路參數(shù)偏差值數(shù)據(jù)分析及樣本設(shè)置5.3.2基于CNN與SVM的氣路故障診斷方法5.3.3實(shí)驗(yàn)步驟及數(shù)據(jù)的收集5.3.4實(shí)驗(yàn)6.1短期狀態(tài)趨勢(shì)預(yù)測(cè)概述6.2基于改進(jìn)支持向量回歸的短期狀態(tài)趨勢(shì)預(yù)測(cè)6.3基于連續(xù)過(guò)程神經(jīng)絡(luò)的短期狀態(tài)趨勢(shì)預(yù)測(cè)6.4基于動(dòng)態(tài)集成算法的短期狀態(tài)趨勢(shì)預(yù)測(cè)6.5狀態(tài)參數(shù)自適應(yīng)區(qū)間預(yù)測(cè)模型12345第6章短期狀態(tài)趨勢(shì)預(yù)測(cè)參考文獻(xiàn)6.6本章小結(jié)第6章短期狀態(tài)趨勢(shì)預(yù)測(cè)6.2基于改進(jìn)支持向量回歸的短期狀態(tài)趨勢(shì)預(yù)測(cè)6.2.1支持向量回歸模型6.2.2改進(jìn)的支持向量回歸模型6.2.3基于改進(jìn)支持向量機(jī)回歸的發(fā)動(dòng)機(jī)振動(dòng)趨勢(shì)預(yù)測(cè)6.2.4參數(shù)對(duì)預(yù)測(cè)性能的影響分析6.3基于連續(xù)過(guò)程神經(jīng)絡(luò)的短期狀態(tài)趨勢(shì)預(yù)測(cè)6.3.1過(guò)程神經(jīng)絡(luò)與時(shí)間序列預(yù)測(cè)6.3.2混合遞歸過(guò)程神經(jīng)絡(luò)的拓?fù)浣Y(jié)構(gòu)6.3.3混合遞歸過(guò)程神經(jīng)絡(luò)學(xué)習(xí)算法6.3.4混合遞歸過(guò)程神經(jīng)絡(luò)預(yù)測(cè)的應(yīng)用案例6.4基于動(dòng)態(tài)集成算法的短期狀態(tài)趨勢(shì)預(yù)測(cè)6.4.1時(shí)間序列相空間重構(gòu)6.4.2動(dòng)態(tài)加權(quán)核密度估計(jì)集成學(xué)習(xí)機(jī)6.4.3基于動(dòng)態(tài)集成算法的趨勢(shì)預(yù)測(cè)應(yīng)用案例6.5狀態(tài)參數(shù)自適應(yīng)區(qū)間預(yù)測(cè)模型6.5.1預(yù)測(cè)區(qū)間效果量度指標(biāo)6.5.2基于神經(jīng)絡(luò)的自適應(yīng)區(qū)間預(yù)測(cè)模型6.5.3基于和聲搜索的輸出構(gòu)造控制參數(shù)優(yōu)化6.5.4航空發(fā)動(dòng)機(jī)EGTM序列區(qū)間預(yù)測(cè)應(yīng)用案例7.1長(zhǎng)期狀態(tài)趨勢(shì)預(yù)測(cè)概述7.2基于性能衰退模式挖掘的長(zhǎng)期狀態(tài)趨勢(shì)預(yù)測(cè)7.3基于DBSA-GMM的長(zhǎng)期狀態(tài)趨勢(shì)預(yù)測(cè)7.4本章小結(jié)參考文獻(xiàn)12345第7章長(zhǎng)期狀態(tài)趨勢(shì)預(yù)測(cè)7.2基于性能衰退模式挖掘的長(zhǎng)期狀態(tài)趨勢(shì)預(yù)測(cè)7.2.1性能衰退模式分析7.2.2快速衰退階段模式挖掘7.2.3正常衰退階段模式挖掘7.2.4基于模式匹配的長(zhǎng)期狀態(tài)趨勢(shì)預(yù)測(cè)7.2.5應(yīng)用案例7.3基于DBSA-GMM的長(zhǎng)期狀態(tài)趨勢(shì)預(yù)測(cè)7.3.1多元時(shí)間序列長(zhǎng)期預(yù)測(cè)技術(shù)概述7.3.2性能衰退軌跡的SBP預(yù)測(cè)問(wèn)題描述7.3.3基于統(tǒng)計(jì)距離的序列化高斯元聚合方法7.3.4應(yīng)用案例8.1短期維修規(guī)劃概述8.2維修時(shí)機(jī)優(yōu)化8.3送修目標(biāo)導(dǎo)向的維修工作范圍決策8.4基于生存分析的維修工作范圍決策第8章設(shè)備的短期維修規(guī)劃參考文獻(xiàn)8.5本章小結(jié)第8章設(shè)備的短期維修規(guī)劃8.2維修時(shí)機(jī)優(yōu)化8.2.1維修期限預(yù)測(cè)8.2.2基于維修期限的維修時(shí)機(jī)優(yōu)化8.2.3應(yīng)用案例8.3送修目標(biāo)導(dǎo)向的維修工作范圍決策8.3.1決策過(guò)程8.3.2確定條件下單元體性能恢復(fù)值分配優(yōu)化8.3.3不確定條件下單元體性能恢復(fù)值分配優(yōu)化8.3.4應(yīng)用案例8.4基于生存分析的維修工作范圍決策8.4.1單元體維修級(jí)別生存分析模型8.4.2維修工作范圍優(yōu)化模型9.1全壽命維修規(guī)劃概述9.3基于Q學(xué)習(xí)的全壽命維修規(guī)劃9.2基于智能優(yōu)化的全壽命維修規(guī)劃第9章面向全壽命的設(shè)備維修規(guī)劃9.4基于DQN的全壽命維修規(guī)劃參考文獻(xiàn)9.5本章小結(jié)第9章面向全壽命的設(shè)備維修規(guī)劃9.2基于智能優(yōu)化的全壽命維修規(guī)劃9.2.1全壽命維修規(guī)劃建模9.2.2在全壽命維修時(shí)機(jī)確定條件下的單元體最優(yōu)維修策略9.2.3在全壽命維修時(shí)機(jī)確定條件下的壽命件最優(yōu)更換策略9.2.4基于粒子群優(yōu)化算法的發(fā)動(dòng)機(jī)維修規(guī)劃模型求解9.2.5應(yīng)用案例9.3基于Q學(xué)習(xí)的全壽命維修規(guī)劃9.3.1基于Q學(xué)習(xí)的民航發(fā)動(dòng)機(jī)維修規(guī)劃建模9.3.2算法流程9.3.3應(yīng)用案例9.4基于DQN的全壽命維修規(guī)劃9.4.1深度Q學(xué)習(xí)理論簡(jiǎn)介9.4.2基于DQN的維修規(guī)劃建模9.4.3算法訓(xùn)練流程9.4.4應(yīng)用案例10.1概述10.2維修成本預(yù)測(cè)10.3易損件的備件需求預(yù)測(cè)10.4關(guān)鍵件的備件需求預(yù)測(cè)第10章維修成本與備件需求預(yù)測(cè)參考文獻(xiàn)10.5本章小結(jié)第10章維修成本與備件需求預(yù)測(cè)10.2維修成本預(yù)測(cè)10.2.1維修成本構(gòu)成分析10.2.2大樣本條件下的維修成本預(yù)測(cè)10.2.3小樣本條件下的維修成本預(yù)測(cè)10.3易損件的備件需求預(yù)測(cè)10.3.1周期型需求模式下的備件需求預(yù)測(cè)10.3.2非周期需求模式下的備件需求預(yù)測(cè)10.4關(guān)鍵件的備件需求預(yù)測(cè)10.4.1需求發(fā)生時(shí)間預(yù)測(cè)10.4.2基于時(shí)間聚合的需求量預(yù)測(cè)10.4.3應(yīng)用案例11.1車間維修過(guò)程管理概述11.2車間維修分解裝配序列規(guī)劃11.3車間維修工作流時(shí)間管理11.4車間維修資源調(diào)度第11章車間維修過(guò)程管理參考文獻(xiàn)11.5本章小結(jié)第11章車間維修過(guò)程管理11.2車間維修分解裝配序列規(guī)劃11.2.1基于Petri的分解裝配建模11.2.2Petri的最優(yōu)變遷激發(fā)序列規(guī)劃11.2.3零部件最優(yōu)分解裝配序列規(guī)劃11.2.4分解裝配序列規(guī)劃應(yīng)用案例11.3車間維修工作流時(shí)間管理11.3.1維修作業(yè)工作流的動(dòng)態(tài)建模11.3.2維修作業(yè)層次細(xì)化工作流的可調(diào)度性11.3.3維修工作流執(zhí)行時(shí)間的計(jì)算與分析11.3.4工作流驗(yàn)證方法應(yīng)用案例11.4車間維修資源調(diào)度11.4.1維修作業(yè)過(guò)程自底向上建模11.4.2化解維修資源沖突的路由策略11.4.3維修車間資源靜態(tài)調(diào)度算法11.4.4維修車間資源動(dòng)態(tài)調(diào)度算法11.4.5維修資源調(diào)度應(yīng)用案例12.1設(shè)備智能運(yùn)維決策系統(tǒng)平臺(tái)需求概述12.2面向服務(wù)的智能運(yùn)維模式分析12.3運(yùn)維決策數(shù)據(jù)的集成管理12.4構(gòu)件化的設(shè)備智能運(yùn)維決策系統(tǒng)架構(gòu)設(shè)計(jì)12.5設(shè)備智能運(yùn)維決策系統(tǒng)平臺(tái)核心功能與系統(tǒng)配置12345第12章設(shè)備智能運(yùn)維決策系統(tǒng)平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)參考文獻(xiàn)12.6本章小結(jié)第12章設(shè)備智能運(yùn)維決策系統(tǒng)平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)12.3運(yùn)維決策數(shù)據(jù)的集成管理12.3.1設(shè)備運(yùn)維數(shù)據(jù)建模12.3.2基于BOM的運(yùn)維數(shù)據(jù)集成管理12.4構(gòu)件化的設(shè)備智能運(yùn)維決策系統(tǒng)架構(gòu)設(shè)計(jì)12.4.1設(shè)備智能運(yùn)維決策系統(tǒng)平臺(tái)體系架構(gòu)12.4.2系統(tǒng)功能的構(gòu)件化管理12.5設(shè)備智能運(yùn)維決策系統(tǒng)平臺(tái)核心功能與系統(tǒng)配置12.5.1多源運(yùn)維決策數(shù)據(jù)的接入12.5.2運(yùn)維數(shù)據(jù)的存儲(chǔ)及查詢管理12.5.3基于流程引擎的業(yè)務(wù)過(guò)程管理12.5.4復(fù)雜應(yīng)用環(huán)境下的權(quán)限控制12.5.5基于訂閱模式的消息管理12.5.6基于業(yè)務(wù)構(gòu)件的應(yīng)用系統(tǒng)配置13.1概述13.2航空發(fā)動(dòng)機(jī)原理簡(jiǎn)介13.3系統(tǒng)需求分析13.4系統(tǒng)關(guān)鍵技術(shù)13.5系統(tǒng)設(shè)計(jì)13.6系統(tǒng)運(yùn)行實(shí)例010302040506第13章航空發(fā)動(dòng)機(jī)機(jī)隊(duì)智能運(yùn)維系統(tǒng)及其應(yīng)用13.7系統(tǒng)實(shí)施13.8系統(tǒng)應(yīng)用情況13.9本章小結(jié)參考文獻(xiàn)第13章航空發(fā)動(dòng)機(jī)機(jī)隊(duì)智能運(yùn)維系統(tǒng)及其應(yīng)用13.4系統(tǒng)關(guān)鍵