智能运维与健康管理

　　本书内容分为以下5个章节：第1章绪论，第2章机械设备的状态监测与数据获取，第3章故障与异常判别技术，第4章退化预测与寿命预测技术，及第5章智能运维的未来发展。本书向学生普及智能运维与健康管理的基本方法论，介绍人工智能等 技术和方法在智能运维与健康管理方面的应用，以及对智能运维的未来发展方向进行探讨，以此激发读者对本领域研究的兴趣。本书可作为高等院校智能制造工程等相关专业学生的教学用书，也可作为研究智能运维与健康管理等相关领域的研究人员的参考用书。

暂缺《智能运维与健康管理》作者简介

第1章 绪论
1.1 引言
1.1.1 PHM技术
1.1.2 国外PHM技术发展
1.1.3 PHM技术发展
1.2 机械设备的故障诊断与预测
1.3 PHM中的经济要素
第2章 机械设备的状态监测与数据获取
2.1 状态监测的定义与作用
2.2 状态监测与数据获取
2.2.1 振动分析法
2.2.2 温度分析法
2.2.3 油液分析法
2.2.4 噪声分析法
2.2.5 无损检测技术
2.3 状态监测网络与数据质量
2.3.1 传感器的选择
2.3.2 数据获取的困难
2.3.3 数据量难以完善
2.3.4 数据质量难以保障
第3章 故障与异常判别技术
3.1 基于机理模型的故障判别技术
3.1.1 典型故障模式
3.1.2 典型故障机理建模
3.1.3 机理模型故障判别应用
3.2 基于数理统计分析的故障判别技术
3.2.1 数据的插值和拟合方法
3.2.2 回归分析方法
3.2.3 回归分析在机械设备智能运维中的运用
3.3 基于大数据与人工智能的故障判别技术
3.3.1 大数据分析与人工智能概述
3.3.2 人工神经网络概述
3.3.3 迁移学习概述
3.3.4 使用人工智能技术进行故障异常判别
第4章 退化预测与寿命预测技术
4.1 基于数理统计分析的退化预测与剩余寿命预测技术
4.1.1 回归分析在退化预测和寿命预测中的运用
4.1.2 随机过程在退化预测和寿命预测中的运用
4.2 基于大数据与人工智能的退化预测和寿命预测技术
4.2.1 基于神经网络的设备退化预测和寿命预测
4.2.2 基于迁移学习的设备退化预测和寿命预测
第5章 智能运维的未来发展
5.1 信息物理系统融合
5.1.1 信息物理系统概述
5.1.2 信息物理系统与数字李生的联系
5.1.3 信息物理系统与智能运维
5.2 知识图谱技术
5.2.1 知识图谱概述
5.2.2 知识图谱与智能运维
5.3 设备精益管理
5.3.1 设备精益管理概述
5.3.2 设备精益管理与智能运维
5.4 产品再设计
5.4.1 产品再设计概述
5.4.2 智能运维与产品再设计
5.5 基于工业互联网的运维平台建设
5.5.1 工业互联网的内涵及体系架构
5.5.2 工业互联网与智能运维
参考文献