更新时间：2023-09-21 10:14:05
封面
版权信息
作者简介
内容简介
智能制造系列丛书编委会名单
丛书序1
丛书序2
前言
第1章 智能运维概述
1.1 智能运维的主要内容
1.2 制造服务与智能运维
1.2.1 制造服务概述
1.2.2 智能运维在制造服务中的作用
1.3 设备维修策略的主要类型
1.3.1 事后维修策略
1.3.2 定时维修策略
1.3.3 基于状态的维修策略
1.3.4 预测性维修策略
1.4 智能运维的主要关键技术
1.5 本书主要内容
参考文献
第2章 设备状态数据预处理
2.1 状态数据预处理概述
2.2 状态数据的粗大误差去除
2.2.1 粗大误差去除原理及方法分析
2.2.2 粗大误差判别准则及其选择
2.2.3 粗大误差去除应用实例
2.3 状态数据的平滑处理
2.3.1 异常值保护指数平滑法
2.3.2 异常值识别多点移动平均法
2.4 基于连续小波变换模极大曲线的信号突变识别与重构
2.4.1 信号连续小波变换与反演算法
2.4.2 基本小波的选择
2.4.3 边沿效应及伪模极大的处理
2.4.4 信号突变识别与重构应用案例
2.5 基于趋势项提取的状态数据处理方法
2.5.1 奇异值分解降噪及其不足
2.5.2 基于EMD的信号趋势分量提取方法
2.5.3 EMD和SVD相结合的状态数据处理方法
2.5.4 应用案例
2.6 本章小结
第3章 状态特征的提取与迁移
3.1 状态特征提取概述
3.2 基于核主元分析的状态特征提取
3.2.1 主元分析的算法与分析
3.2.2 主元中核函数的引入
3.2.3 核主元分析特征提取的形式化描述
3.2.4 核主元分析算法的改进
3.3 基于自动编码器的状态特征提取
3.3.1 自动编码器
3.3.2 去噪自动编码器
3.3.3 稀疏自动编码器
3.3.4 收缩自动编码器
3.4 基于深度学习的状态特征提取
3.4.1 深度学习简介
3.4.2 深度置信网络
3.4.3 堆叠自动编码器
3.4.4 卷积神经网络
3.5 基于深度迁移学习的状态特征迁移
3.5.1 迁移学习简介
3.5.2 DNN的可迁移性
3.5.3 深度迁移学习中的fine-tuning方法
3.5.4 深度迁移学习在民航发动机气路异常检测中的应用
3.6 本章小结
第4章 设备状态的异常检测
4.1 异常检测概述
4.2 异常的定义与分类
4.3 典型的异常检测方法
4.3.1 基于复制神经网络的异常检测
4.3.2 基于孤立森林的异常检测
4.3.3 基于最近邻的异常检测
4.3.4 基于聚类的异常检测
4.3.5 基于统计的异常检测
4.3.6 应用案例
4.4 基于QAR数据的航空发动机间歇性气路异常检测
4.4.1 QAR数据特点与深度特征提取问题分析
4.4.2 联合SDAE与高斯分布方法的发动机异常检测
4.4.3 应用案例
4.5 基于ACARS数据的航空发动机持续性气路异常检测
4.5.1 ACARS报文特点与深度特征提取问题分析
4.5.2 基于分组卷积去噪自编码器的发动机气路持续性异常检测
4.5.3 应用案例
4.6 本章小结
第5章 设备的故障诊断
5.1 故障诊断概述
5.2 指印图与自组织特征映射网络相结合的发动机气路故障诊断
5.2.1 SOFM神经网络模型
5.2.2 SOFM网络的学习算法
5.2.3 基于指印图的航空发动机气路故障诊断实例
5.3 小样本条件下基于迁移学习的发动机气路故障诊断
5.3.1 气路参数偏差值数据分析及样本设置
5.3.2 基于CNN与SVM的气路故障诊断方法
5.3.3 实验步骤及数据的收集
5.3.4 实验
5.4 本章小结
第6章 短期状态趋势预测
