复杂装备故障预测与健康管理技术PDF电子书下载

第1章 PHM技术概述 1

1.1 装备故障预测与健康管理技术的产生与发展 2

1.2 装备全寿命周期内实施PHM的必要性分析 4

1.3 PHM的研究现状 4

1.3.1 国外的研究现状 5

1.3.2 国内的研究现状 9

1.4 现有技术存在的问题 12

第2章 PHM基本理论 14

2.1 PHM基本概念 14

2.1.1 基于状态的维修 14

2.1.2 故障预测与健康管理 15

2.1.3 以可靠性为中心的维修 15

2.2 PHM主要功能 19

2.3 PHM技术框架 20

2.4 PHM关键技术 22

2.4.1 数据采集和传感器应用技术 22

2.4.2 数据传输技术 24

2.4.3 数据预处理技术 24

2.4.4 状态监测、健康评估和故障预测方法 24

2.4.5 数据融合和自动推理决策技术 25

2.4.6 接口技术 25

2.4.7 维修决策技术 25

第3章 故障预测基本理论 27

3.1 复杂装备故障预测的特点 28

3.1.1 复杂装备故障发生的特点 28

3.1.2 复杂装备故障的分类 29

3.2 基于数据驱动的预测方法 31

3.3 基于人工智能的预测方法 32

3.4 基于物理模型的预测方法 33

3.5 组合预测方法 33

3.6 电子装备故障预测 34

3.7 现有预测方法用于故障预测存在的不足 35

第4章 基于虚拟样机的故障预测技术 37

4.1 虚拟样机技术 37

4.2 基于虚拟样机的协同仿真技术 39

4.3 基于虚拟样机的预测知识获取机制 47

4.4 基于虚拟样机的故障仿真与预测技术 48

4.5 故障注入技术 50

4.6 VV&A验证 55

第5章 电子装备PHM技术 57

5.1 基于HMM的电子装备健康管理研究 57

5.1.1 HMM基本理论 58

5.1.2 电子装备HMM基本结构 63

5.1.3 基于HMM的健康管理原理 65

5.2 电子装备故障预测的难点 67

5.3 电子装备故障预测流程 68

5.4 电子装备状态特征的分析与提取 69

5.5 电子装备故障预测方法 72

5.5.1 基于自回归模型的故障预测方法 72

5.5.2 基于支持向量机的故障预测方法 74

5.5.3 基于神经网络的故障预测方法 75

第6章 复杂装备健康管理技术 77

6.1 复杂装备健康管理基本内容 77

6.1.1 基于SSM的复杂装备健康管理问题分析 77

6.1.2 复杂装备健康管理基本活动的CATWOE分析 79

6.1.3 复杂装备健康管理基本活动的概念模型 80

6.2 复杂装备故障预测与健康管理中的多源数据融合 81

6.2.1 故障状态信息 82

6.2.2 异常现象信息 82

6.2.3 使用环境信息 85

6.2.4 多源信息融合 85

6.3 复杂装备健康管理中维修策略的选择 87

6.3.1 按装备分类选择维修策略 87

6.3.2 按故障模式特征选择维修策略 88

6.4 复杂装备全员全程健康管理 89

6.4.1 装备全员全程健康管理的基本特性 90

6.4.2 装备全员全程健康管理的实施过程 91

第7章 复杂装备健康状态评估技术 94

7.1 装备健康状态评估的基本概念与内涵 96

7.2 装备技术状态与健康状态 98

7.3 健康状态评估的量化 100

7.4 健康状态评估的一般流程 101

7.4.1 健康状态评估准备阶段 101

7.4.2 健康状态评估实施阶段 111

7.4.3 健康状态评估分析与反馈阶段 113

7.5 常用的评估方法分析 113

7.5.1 健康状态评估的分类 114

7.5.2 常用的评估方法 115

7.6 基于灰色理论的健康状态评估技术 119

7.6.1 健康状态灰色聚类的基本原理 119

7.6.2 白化权函数的确定 120

7.7 复杂装备剩余寿命预测技术 122

7.7.1 常用的剩余寿命预测方法 124

7.7.2 基于状态信息的剩余寿命预测方法 126

第8章 PHM系统应用 131

8.1 无人机PHM系统 131

8.1.1 总体结构 131

8.1.2 关键技术 133

8.2 轮式车辆PHM系统 134

8.2.1 总体结构 134

8.2.2 关键技术 135

8.2.3 主要功能 136

8.2.4 硬件系统 137

8.2.5 软件系统 137

8.3 PHM技术发展趋势 139

参考文献 141