第1章 绪论 1
1.1起重装备发展趋势及其特点 1
1.2起重装备面临的形势分析 2
1.3起重装备服役健康管理 4
1.3.1起重装备健康管理需求 4
1.3.2起重装备健康管理组成 5
1.3.3起重装备健康管理应用 5
1.3.4起重装备健康管理发展趋势 7
1.4本书主要内容 7
第2章 起重装备全生命周期数据模型 8
2.1概述 8
2.2产品全生命周期数据管理范围 9
2.3产品全生命周期数据模型 10
2.4产品全生命周期数据获取 12
2.5产品全生命周期建模方法框架 12
2.5.1产品全生命周期模型体系框架 12
2.5.2产品全生命周期元模型建模方法 14
2.5.3产品全生命周期阶段领域元模型 16
2.5.4起重装备全生命周期信息模型 20
2.6基于统一数据源的敏捷数据管理框架 23
第3章 基于大数据的结构疲劳累积损伤诊断 26
3.1概述 26
3.2疲劳的基本概念 26
3.3应力监测大数据处理方法 27
3.3.1应力-时间历程 27
3.3.2应力-时间历程监测大数据快速处理方法 27
3.4疲劳累积损伤诊断理论 34
3.4.1线性疲劳累积损伤理论 34
3.4.2双线性疲劳累积损伤理论 35
3.4.3非线性疲劳累积损伤理论 36
3.5工程应用 37
3.5.1工程概述 37
3.5.2测点位置 37
3.5.3基于光纤光栅的应力谱实时监测 38
3.5.4测试数据 39
3.5.5桥式起重机的疲劳累积损伤计算 39
第4章 起重装备结构疲劳裂纹形成寿命预测 42
4.1概述 42
4.2疲劳寿命定义 42
4.3疲劳裂纹形成寿命预测研究动态 43
4.4疲劳裂纹形成寿命计算方法 45
4.4.1名义应力法 45
4.4.2局部应力-应变法 47
4.4.3应力场强法 50
4.4.4焊接结构疲劳裂纹萌生寿命估算 53
第5章 基于大数据的减速机健康诊断与故障预测 56
5.1概述 56
5.2起重装备减速机失效模式 57
5.2.1齿轮减速机典型故障问题及其原因 57
5.2.2齿轮失效模式 58
5.2.3轴承失效模式 61
5.3减速机健康状态诊断 62
5.3.1故障诊断方法分类 62
5.3.2基于有监督学习的模式识别方法 63
5.3.3基于无监督学习的模式识别方法 64
5.4减速机运行故障预测 67
5.4.1故障预测概述 67
5.4.2故障预测方法分类 67
5.4.3基于数据的预测方法 68
5.4.4基于概率统计的预测方法 69
5.5起重装备减速机振动监测标准 70
5.5.1齿轮减速机专用振动标准 70
5.5.2振动状态监测与诊断标准 71
第6章 基于大数据的制动器健康诊断与故障预测 72
6.1概述 72
6.2制动器典型失效模式及分析 72
6.2.1制动器典型失效模式 72
6.2.2制动器典型失效分析 74
6.2.3制动器失效机理分析 76
6.3制动器健康状态诊断 77
6.3.1制动器健康状态划分 77
6.3.2模糊状态诊断原理 78
6.3.3制动器健康状态诊断模型 79
6.3.4各隶属函数的确定 80
6.4制动器故障预测 80
6.4.1基于时间序列的制动器故障预测 80
6.4.2基于BP神经网络算法的制动器故障预测 80
6.4.3基于支持向量回归的制动器故障预测 82
6.5应用案例 82
第7章 起重装备电气系统健康诊断与故障预测 85
7.1概述 85
7.2起重装备电气系统故障分析 85
7.2.1基于FMEA的电气系统故障分析方法 85
7.2.2起重装备电气系统的层次划分 86
7.2.3电气部件的故障分析 87
7.2.4子系统的故障分析 94
7.2.5系统的故障分析 97
7.3起重装备电气系统的故障预测 97
7.3.1基于定量FTA的起重装备电气系统故障预测方法 97
7.3.2电气系统故障树的建立 97
7.3.3故障预报模型的建立 98
7.3.4起重装备电气系统故障预测的流程 99
7.3.5起重装备电气系统故障预测算例 100
7.4电气部件故障率的预测 105
7.4.1基于产品寿命数据的故障率的预测 106
7.4.2基于可靠性手册的故障率的预测 106
7.4.3基于现场故障记录统计的故障率的预测 107
第8章 数据驱动的起重装备运行故障与工作效率分析方法 108
8.1概述 108
8.2基于故障模式及运维数据的起重装备性能评估 108
8.2.1贝叶斯网络 108
8.2.2基于专家知识和系统运行记录的贝叶斯网络构造方法 109
8.3基于设备整体可靠性的起重装备综合效率模型 112
8.3.1设备综合效率 112
8.3.2面向潜在运行效率的起重装备运行效率预测模型 116
8.4基于潜在运行效率分析的预测性维修决策 118
8.4.1潜在运行效率分析及预测性维修决策框架 118
8.4.2基于潜在运行效率的维修决策模型 118
8.5应用案例 119
8.5.1起重装备折臂事故的故障树和贝叶斯网络结构 120
8.5.2基于专家知识和系统运行记录的参数训练 121
8.5.3起重装备潜在运行效率分析及预测性维修决策 123
第9章 起重装备关键风险因素辨识与风险评价方法 125
9.1概述 125
9.2风险评价基本理论 125
9.3起重装备风险因素辨识方法 126
9.3.1风险辨识 126
9.3.2起重装备典型事故现实风险评价分级研究 127
9.4起重装备风险评价方法 128
9.4.1起重装备风险评价模型构建 128
9.4.2起重装备基本风险分类模型 131
9.4.3起重装备单体固有风险分类方法 134
9.4.4起重装备单体现实风险分类方法 135
9.4.5起重装备单体现实风险分类实证 139
第10章 起重装备系统安全性评价方法 143
10.1概述 143
10.2安全性评价的层次体系和计算框架 144
10.2.1层次体系的划分 144
10.2.2安全性评价的过程 145
10.2.3基本的计算框架 145
10.2.4安全性评价的结果 147
10.3度量指标评价值的计算及其状态描述 148
10.3.1强度指标 148
10.3.2刚度指标 148
10.3.3裂纹指标 149
10.3.4板的变形指标 150
10.3.5锈蚀指标 151
10.3.6齿轮和轴承指标 151
10.4层次分析法 152
10.4.1系统的递阶层次结构 152
10.4.2比较判断矩阵 152
10.4.3权重计算及一致性检验 153
10.5模糊综合评判法 154
10.5.1模糊综合评判法简述 154
10.5.2基于多级模糊综合评判法的结构安全性评价 156
10.6应用案例 158
第11章 起重装备以可靠性为中心的维修方法 160
11.1概述 160
11.2起重装备机构系统RCM分析应用 161
11.2.1起重装备结构层次划分 161
11.2.2起重装备重要功能产品确定 162
11.2.3起重装备FMECA 163
11.2.4起重装备维修策略逻辑决断 167
11.2.5起重装备预防性维修周期决策 169
11.3起重装备金属结构RCM分析 173
11.3.1起重装备金属结构FMECA 173
11.3.2确定起重装备金属结构SSI 173
11.3.3起重装备金属结构维修逻辑决断 174
第12章 基于大数据的起重装备服役健康管理平台 179
12.1概述 179
12.2物联网概念及相关技术 180
12.2.1物联网的发展历程 180
12.2.2物联网的定义 180
12.2.3物联网技术 181
12.3大数据处理技术 183
12.3.1大数据概念 183
12.3.2大数据采集技术 183
12.3.3大数据存储技术 184
12.3.4大数据挖掘技术 185
12.3.5大数据可视化技术 186
12.4起重装备风险管理系统 186
12.4.1基于RFID的起重装备风险分析仪 186
12.4.2基于物联网的起重装备风险管理系统 188
12.4.3基于检验数据库的起重装备风险管理平台 189
12.5基于大数据的起重装备服役健康管理平台设计 191
12.5.1管理平台的架构设计 191
12.5.2管理平台服务功能划分 192
12.5.3起重装备健康管理服务内容 193
12.6应用案例 194
12.6.1起重装备风险管理系统应用案例 194
12.6.2基于大数据的起重装备服役健康管理平台应用案例 196
参考文献 198