裝備故障預測與健康管理技術

第1章 概述
1.1 PHM的概念、內涵及其作用
1.1.1 PHM的概念
1.1.2 PHM的內涵
1.1.3 PHM的作用
1.2 PHM系統(tǒng)的結構和基本功能
1.2.1 OSA-CBM體系結構
1.2.2 PHM系統(tǒng)的信息結構
1.2.3 PHM系統(tǒng)的基本功能
1.3 PHM技術的產(chǎn)生與發(fā)展
1.3.1 PHM技術的產(chǎn)生
1.3.2 PHM技術的發(fā)展
1.3.3 美國國防部和NASA的PHM技術演變過程
1.4 PHM系統(tǒng)涉及的關鍵技術
1.4.1 結構設計技術
1.4.2 傳感器應用技術
1.4.3 數(shù)據(jù)處理技術
1.4.4 健康狀態(tài)評估技術
1.4.5 故障預測技術
1.4.6 狀態(tài)維修決策技術
1.4.7 驗證與評估技術
第2章 PHM系統(tǒng)結構設計技術
2.1 PHM系統(tǒng)的結構形式
2.1.1 集中式體系結構
2.1.2 分布式體系結構
2.1.3 分層融合式體系結構
2.2 PHM系統(tǒng)結構形式的選擇
2.2.1 PHM系統(tǒng)結構形式的特征
2.2.2 PHM系統(tǒng)結構形式選擇的影響因素
2.2.3 PHM系統(tǒng)結構形式選擇原則
2.3 PHM系統(tǒng)結構設計方法
2.3.1 PHM系統(tǒng)體系結構描述方法
2.3.2 PHM系統(tǒng)體系結構設計方法
2.3.3 PHM系統(tǒng)體系結構驗證評估方法
2.4 典型裝備的PHM系統(tǒng)結構
2.4.1 航空裝備PHM系統(tǒng)的體系結構
2.4.2 航天裝備PHM系統(tǒng)的體系結構
2.4.3 地空導彈裝備PHM系統(tǒng)的體系結構
2.4.4 艦船裝備PHM系統(tǒng)的體系結構
2.4.5 雷達裝備PHM系統(tǒng)的體系結構
第3章 PHM系統(tǒng)傳感器應用技術
3.1 監(jiān)測對象選擇技術
3.1.1 監(jiān)測對象選擇需考慮的因素
3.1.2 監(jiān)測對象選擇方法
3.1.3 監(jiān)測對象的類型
3.2 狀態(tài)特征參數(shù)選取技術
3.2.1 裝備故障特征及故障規(guī)律
3.2.2 監(jiān)測對象的故障模式
3.2.3 監(jiān)測對象狀態(tài)特征參數(shù)選取
3.3 狀態(tài)監(jiān)測傳感器選擇技術
3.3.1 PHM系統(tǒng)對傳感器的要求
3.3.2 PHM系統(tǒng)常用傳感器類型
3.3.3 PHM系統(tǒng)監(jiān)測傳感器選擇
3.4 傳感器優(yōu)化配置技術
3.4.1 傳感器優(yōu)化配置的復雜性分析
3.4.2 傳感器優(yōu)化配置過程
3.4.3 傳感器優(yōu)化配置的有效獨立法
3.4.4 傳感器優(yōu)化配置的符號定向圖法
3.4.5 傳感器優(yōu)化配置的粒子群算法
3.4.6 傳感器優(yōu)化配置的混合蛙跳算法
第4章 P珈Ⅵ系統(tǒng)數(shù)據(jù)處理技術
4.1 數(shù)據(jù)清理技術
4.1.1 缺失數(shù)據(jù)處理技術
4.1.2 異常數(shù)據(jù)剔除技術
4.1.3 數(shù)據(jù)無量綱處理技術
4.2 數(shù)據(jù)分析技術
4.2.1 描述性分析技術
4.2.2 動態(tài)分析技術
4.2.3 相關分析技術
4.2.4 回歸分析技術
4.2.5 聚類分析技術
4.2.6 數(shù)據(jù)平滑技術
4.3 特征提取技術
4.3.1 離散傅里葉變換
4.3.2 離散小波變換
4.3.3 卡洛南一洛伊變換
4.3.4 主分量分析法
4.3.5 Hadamard變換法
4.3.6 BP神經(jīng)網(wǎng)絡法
4.4 數(shù)據(jù)挖掘技術
4.4.1 決策樹算法
4.4.2 人工神經(jīng)網(wǎng)絡算法
4.4.3 粗糙集算法
4.4.4 遺傳算法
第5章 裝備健康狀態(tài)評估技術
5.1 裝備健康狀態(tài)評估概述
5.1.1 裝備健康狀態(tài)的影響因素
5.1.2 裝備健康狀態(tài)評估的特點
5.1.3 裝備健康狀態(tài)評估常用方法
5.2 裝備健康狀態(tài)分級技術
5.2.1 健康狀態(tài)分級原則
5.2.2 健康狀態(tài)等級劃分方法
5.2.3 健康狀態(tài)等級描述
5.3 基于FMECA的裝備健康狀態(tài)評估
5.3.1 健康狀態(tài)評估參數(shù)的選取
5.3.2 健康裝態(tài)評估的步驟
5.3.3 健康狀態(tài)評估實例分析
5.4 基于測試數(shù)據(jù)的裝備健康狀態(tài)評估
5.4.1 測試數(shù)據(jù)的歸一化處理
5.4.2 D-S證據(jù)合成規(guī)則
5.4.3 健康狀態(tài)指數(shù)的時間修正
5.4.4 健康狀態(tài)等級隸屬度函數(shù)
5.4.5 健康狀態(tài)評估的步驟
5.4.6 健康狀態(tài)評估實例分析
5.5 基于劣化度的裝備健康狀態(tài)評估
5.5.1 劣化度及其計算方法
5.5.2 健康狀態(tài)評估模型
5.5.3 健康狀態(tài)評估過程
5.5.4 健康狀態(tài)評估實例分析
第6章 裝備故障預測技術
6.1 裝備故障預測技術概述
6.1.1 裝備故障預測的概念
6.1.2 裝備故障預測的內容
6.1.3 裝備故障預測的特點
6.1.4 裝備故障預測常用方法
6.2 基于ARMA模型的裝備故障預測
6.2.1 ARMA模型分析
6.2.2 故障預測的步驟
6.2.3 故障預測實例分析
6.3 基于改進GM（1，1）模型的裝備故障預測
6.3.1 傳統(tǒng)的GM（1，1）模型
6.3.2 GM（1，1）模型的灰色預測
6.3.3 新陳代謝GM（1，1）模型
6.3.4 故障預測實例分析
6.4 基于遺傳神經(jīng)網(wǎng)絡的裝備故障預測
6.4.1 遺傳算法基本原理
6.4.2 遺傳神經(jīng)網(wǎng)絡原理
6.4.3 故障預測性能評價指標
6.4.4 故障預測實例分析
第7章 裝備狀態(tài)維修決策技術
7.1 裝備狀態(tài)維修決策概述
7.1.1 狀態(tài)維修決策的概念
7.1.2 狀態(tài)維修決策的內容
7.1.3 狀態(tài)維修決策的特點
7.1.4 狀態(tài)維修決策常用方法
7.2 基于模糊多屬性決策的裝備維修行為決策
7.2.1 模糊多屬性決策基本原理
7.2.2 模糊多屬性決策方法
7.2.3 模糊多屬性決策步驟
7.2.4 狀態(tài)維修行為決策實例分析
7.3 基于比例風險模型的裝備維修時機預測
7.3.1 威布爾比例風險模型
7.3.2 威布爾比例風險維修決策模型
7.3.3 狀態(tài)維修時機決策實例分析
7.4 基于實時可靠性評估的狀態(tài)檢測間隔決策
7.4.1 實時可靠性評估原理
7.4.2 狀態(tài)檢測間隔期決策模型
7.4.3 狀態(tài)檢測間隔決策實例分析
第8章 PHM系統(tǒng)驗證與評估技術
8.1 PHM系統(tǒng)驗證與評估概述
8.1.1 PHM系統(tǒng)設計階段劃分
8.1.2 PHM系統(tǒng)設計流程分析
8.1.3 PHM系統(tǒng)驗證與評估常用方法
8.2 PHM系統(tǒng)驗證技術
8.2.1 PHM系統(tǒng)驗證框架
8.2.2 PHM系統(tǒng)驗證試驗環(huán)境
8.2.3 PHM系統(tǒng)驗證指標體系
8.3 PHM系統(tǒng)評估技術
8.3.1 PHM系統(tǒng)使用效益評估
8.3.2 PHM系統(tǒng)技術成熟度評估
8.3.3 PHM系統(tǒng)研制風險評估
8.4 PHM系統(tǒng)開發(fā)的標準體系
8.4.1 國外PHM系統(tǒng)標準分析
8.4.2 PHM系統(tǒng)標準體系構建原則
8.4.3 PHM系統(tǒng)標準體系框架結構
8.4.4 PHM系統(tǒng)研制工作指導
參考文獻