●第1章 智能運維概述
1.1 智能運維的主要內容
1.2 制造服務與智能運維
1.2.1 制造服務概述
1.2.2 智能運維在制造服務中的作用
1.3 設備維修策略的主要類型
1.3.1 事後維修策略
1.3.2 定時維修策略
1.3.3 基於狀態的維修策略
1.3.4 預測性維修策略
1.4 智能運維的主要關鍵技術
1.5 本書主要內容
參考文獻
第2章 設備狀態數據預處理
2.1 狀態數據預處理概述
2.2 狀態數據的粗大誤差去除
2.2.1 粗大誤差去除原理及方法分析
2.2.2 粗大誤差判別準則及其選擇
2.2.3 粗大誤差去除應用實例
2.3 狀態數據的平滑處理
2.3.1 異常值保護指數平滑法
2.3.2 異常值識別多點移動平均法
2.4 基於連續小波變換模極大曲線的信號突變識別與重構
2.4.1 信號連續小波變換與反演算法
2.4.2 基本小波的選擇
2.4.3 邊沿效應及偽模極大的處理
2.4.4 信號突變識別與重構應用案例
2.5 基於趨勢項提取的狀態數據處理方法
2.5.1 奇異值分解降噪及其不足
2.5.2 基於EMD的信號趨勢分量提取方法
2.5.3 EMD和SVD相結合的狀態數據處理方法
2.5.4 應用案例
2.6 本章小結
參考文獻
第3章 狀態特征的提取與遷移
3.1 狀態特征提取概述
3.2 基分析的狀態特征提取
3.2.分析的算法與分析
3.2.中核函數的引入
3.2.3分析特征提取的形式化描述
3.2.4分析算法的改進
3.3 基於自動編碼器的狀態特征提取
3.3.1 自動編碼器
3.3.2 去噪自動編碼器
3.3.3 稀疏自動編碼器
3.3.4 收縮自動編碼器
3.4 基於深度學習的狀態特征提取
3.4.1 深度學習簡介
3.4.2 深度置信網絡
3.4.3 堆疊自動編碼器
3.4.4 卷積神經網絡
3.5 基於深度遷移學習的狀態特征遷移
3.5.1 遷移學習簡介
3.5.2 DNN的可遷移性
3.5.3 深度遷移學習中的fine-tuning方法
3.5.4 深度遷移學習在民航發動機氣路異常檢測中的應用
3.6 本章小結
參考文獻
第4章 設備狀態的異常檢測
4.1 異常檢測概述
……
第5章 設備的故障診斷
第6章 短期狀態趨勢預測
第7章 長期狀態趨勢預測
第8章 設備的短期維修規劃
第9章 面向全壽命的設備維修規劃
第10章 維修成本與備件需求預測
第11章 車間維修過程管理
第12章 設備智能運維決策繫統平臺設計與實現
第13章 航空發動機機隊智能運維繫統及其應用