☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　《數據驅動的故障預測》詳細介紹瞭基於數據驅動故障預測技術的方法體係、框架和算法，內容包括：緒論、PHM方法體係、數據驅動PHM技術體係與框架等。書中詳細介紹瞭典型數據驅動PHM算法，涵蓋瞭特徵識彆和提取、PHM預測方法、PHM不確定性、PHM融閤方法等，尤其是對當前研究廣泛的多種數據驅動故障預測方法進行瞭詳細論述和分析，書末展望瞭數據驅動故障預測PHM技術的發展與挑戰。
　　《數據驅動的故障預測》可作為航空航天、自動測試、可靠性和維修性等領域的重要參考書。

作者簡介

　　彭喜元，哈爾濱工業大學電氣工程及自動化學院教授，博士生導師。1961年12月生人。總裝預先研究通用測試技術專業組專傢，原航天工業總公司跨世紀學術與科技帶頭人，第七屆中國青年科技奬、第三屆教育部高校青年教師奬以及政府特殊津貼獲得者。主要社會兼職：九三學社中央委員，九三學社黑龍江省委常委，九三學社哈爾濱工業大學基層委員會主委，黑龍江省政協委員。主要研究方嚮：自動測試理論、技術及係統，先進故障診斷技術及應用。主持瞭12種武器型號測試係統、檢定裝置的研製工作，其中4種武器型號的測試係統、檢定裝置已定型並分彆裝備空軍、海軍、二炮，已確定的裝備量近100套；獲國傢科技進步二等奬1項，省部級奬7項；在研的國防重點型號和預研項目30多項；發錶學術論文40多篇，其中SCI和EI檢索20多篇。

內頁插圖

目錄

第1章 緒論
1．1 引言
1．2 PHM的概念和內涵
1．2．1 PHM基本概念
1．2．2 PHM基本內涵
1．3 PHM技術的發展和現狀
1．3．1 PHM技術發展現狀
1．3．2 PHM技術應用現狀
1．4 PHM研究實例
1．4．1 綜閤飛行器健康管理係統
1．4．2 聯閤戰鬥機的PHM技術
1．5 本書內容安排

第2章 PHM方法體係
2．1 引言
2．2 PHM方法分類
2．3 基於可靠性模型的PHM方法
2．4 基於物理模型的PHM方法
2．5 基於數據驅動的PHM方法
2．5．1 數據驅動PHM方法
2．5．2 數據驅動PHM方法現狀
2．6 融閤型PHM方法

第3章 數據驅動PHM技術體係與框架
3．1 引言
3．2 數據驅動PHM方法策略
3．2．1 直接數據驅動預測方法
3．2．2 間接數據驅動預測方法
3．2．3 兩類數據驅動PHM方法的比較
3．3 數據驅動PHM方法體係和流程
3．3．1 數據驅動PHM方法體係
3．3．2 數據驅動PHM方法流程
3．4 數據驅動PHM方法框架分析
3．4．1 信息感知、狀態監測和數據采集
3．4．2 特徵識彆、選擇和融閤
3．4．3 HI構建
3．4．4 RUL預測
3．4．5 預測不確定性
3．4．6 融閤型預測方法
3．4．7 PHM驗證與評估

第4章 特徵識彆和提取
4．1 引言
4．2 特徵識彆方法
4．3 特徵選擇和提取技術
4．3．1 特徵選擇
4．3．2 特徵提取
4．3．3 特徵融閤
4．4 PHM特徵識彆和提取實例
4．4．1 特徵識彆與選擇
4．4．2 RUL預測方法
4．4．3 實驗結果與分析

第5章 基於時間序列AR模型的PHM預測
5．1 引言
5．2 AR模型
5．2．1 AR模型基本原理
5．2．2 AR模型的參數估計
5．2．3 AR模型的階數確定
5．3 ARMA/ARIMA模型
5．3．1 ARMA模型
5．3．2 ARIMA模型
5．4 基於AR模型的PHM預測實例
5．4．1 鋰離子電池數據集
5．4．2 基於AR模型的鋰離子電池RUL預測建模過程
5．4．3 實例結果分析

第6章 基於神經網絡的PHM預測
6．1 引言
6．2 神經網絡算法
6．2．1 ANN模型
6．2．2 基於ANN的PHM預測
6．3 ESN基本原理
6．3．1 ESN的模型結構和數學模型
6．3．2 ESN的訓練算法
6．3．3 ESN的關鍵參數
6．4 改進MONESN算法
6．4．1 狀態監測數據的單調關係
6．4．2 結閤先驗知識的單調函數逼近方法
6．5 基於神經網絡的PHM預測實例
6．5．1 基於ESN的機械係統RUL預測實例
6．5．2 基於MONESN的鋰離子電池RUL預測實例

第7章 基於KF/EKF算法的PHM預測
7．1 引言
7．2 KF/EKF算法
7．2．1 KF算法
7．2．2 EKF算法
7．3 基於EKF算法的PHM預測
7．4 基於EKF算法的PHM預測實例
7．4．1 基於EKF的鋰離子電池RUL預測算法流程
7．4．2 鋰離子電池RUL預測實驗及分析

第8章 基於RVM算法的PHM預測
8．1 引言
8．2 RVM基本原理
8．2．1 相關嚮量迴歸
8．2．2 超參數優化
8．2．3 RVM訓練算法
8．3 基於動態灰色相關嚮量機的鋰離子電池RUL預測方法
8．3．1 RVM參數對預測結果的影響分析
8．3．2 動態灰色RVM鋰離子電池RUL預測算法
8．3．3 實驗驗證與評估
8．4 基於增量相關嚮量機的鋰離子電池RUL在綫預測方法
8．4．1 在綫預測算法分析
8．4．2 優化增量RVM鋰離子電池RUL在綫預測算法
8．4．3 實驗驗證與評估

第9章 基於GPR模型的PHM預測
9．1 引言
9．2 GPR模型原理
9．2．1 GP模型
9．2．2 GPR模型
9．2．3 GRP模型選擇與超參數自適應
9．3 基於GPR模型的預測流程
9．4 PHM預測實例
9．4．1 鋰電池容量預測
9．4．2 電池RUL預測

第10章 基於PF算法的PHM預測
10．1 引言
10．2 PF算法原理
10．2．1 動態係統模型
10．2．2 貝葉斯估計的基本理論
10．2．3 濛特卡洛思想
10．2．4 PF基本原理
10．2．5 PF算法的基本流程
10．3 PF重采樣算法及改進算法
10．3．1 PF4種基本重采樣算法
10．3．2 正則化粒子濾波原理
10．4 PHM預測實例
10．4．1 鋰電池RUL預測框架及算法描述
10．4．2 鋰電池RuL壽命預測實例
10．4．3 不同重采樣算法的RUL預測對比
10．4．4 RPF算法性能對比

第11章 PHM不確定性
11．1 引言
11．2 不確定性的概念和來源
11．2．1 不確定性的來源
11．2．2 不確定性的數學錶達方法
11．2．3 不確定性的處理方法
11．3 PHM不確定性錶達
11．3．1 置信預測神經網絡
11．3．2 GPR預測的不確定性
11．3．3 馬爾可夫鏈濛特卡洛模擬
11．3．4 粒子濾波
11．4 PHM不確定性量化
11．4．1 置信區間
11．4．2 概率密度分布直方圖
11．4．3 分布的假設檢驗
11．5 PHM算法評估
11．5．1 性能評估指標
11．5．2 計算實例

第12章 融閤型PHM方法
12．1 引言
12．2 數據驅動PHM方法融閤
12．2．1 神經網絡的融閤方法
12．2．2 集成學習方法
12．2．3 集成MONESN的PHM預測方法
12．2．4 基於En-MONESN的鋰離子電池PHM預測
12．3 基於模型和數據驅動的PHM方法融閤
12．3．1 基於PF與AR模型融閤的PHM方法
12．3．2 PHM實例
12．3．3 基於EKF和AR模型融閤的PHM方法
12．3．4 PHM實例

第13章 PHM挑戰與展望
13．1 引言
13．2 國內外PHM技術發展對比
13．2．1 PHM概念延伸
13．2．2 PHM技術發展
13．2．3 PHM國內發展及差距
13．2．4 PHM國內發展趨勢
13．3 PHM技術挑戰
13．3．1 狀態感知技術
13．3．2 狀態監測技術
13．3．3 診斷和預測技術
13．3．4 PHM標準化技術研究
13．3．5 PHM技術驗證和評估
13．3．6 測試床
13．3．7 平颱化
13．4 PHM技術展望

參考文獻
名詞索引

前言/序言

數據驅動的故障預測 [Data Driven Prognostics and Health Management] 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

不錯，是正版。。。。

評分☆☆☆☆☆

不錯，好書，運送速度快，感謝京東，

評分☆☆☆☆☆

好好好好好好好好好好好好

評分☆☆☆☆☆

不錯，好書，運送速度快，感謝京東，

評分☆☆☆☆☆

翻過一遍瞭，寫的還可以

評分☆☆☆☆☆

翻過一遍瞭，寫的還可以

評分☆☆☆☆☆

翻過一遍瞭，寫的還可以

評分☆☆☆☆☆

不錯，好書，運送速度快，感謝京東，

評分☆☆☆☆☆

好好好好好好好好好好好好

類似圖書 點擊查看全場最低價