工程系统诊断与预测 方法与技术 epub pdf mobi txt 电子书 下载 2024

工程系统诊断与预测 方法与技术 epub pdf mobi txt 电子书 下载 2024

☆☆☆☆☆
简体网页||繁体网页



点击这里下载

工程系统诊断与预测 方法与技术 epub pdf mobi txt 电子书 下载 2024

类似图书 点击查看全场最低价

---

编辑推荐

适读人群 ：本书可作机械工程、电气工程、电子信息工程专业本科生、研究生的教材和参考书，也可作为机械工程、电子与电气工程师的参考工具书。

　本书介绍工程系统的诊断与预测方法，是一本论文集形式的著作。全书共13部分19章，内容涉及容错控制、故障检测、基于数据驱动方法的故障诊断、基于数据驱动方法的故障预测、故障诊断、故障控制与预测的集成、集成预测、预测与健康管理的生命周期成本与投资回报、基于物理的诊断、预测、结构预测等。

内容简介

工业预测使用概率测量对工业系统的全寿命周期进行预报，由此来决定机器的运行方式，尤其需要的是能够在机器失效前预测。这一点是首要的。因此，为工程系统开发可靠的预测过程，对增加系统性能和提高可靠性是非常重要的。 本书内容主要是介绍系统诊断和预测的基本原理和应用。在诊断和预测系统的方法和技术上开展了广泛讨论，内容高度覆盖了SHM/DP学科范围，包括以实际应用案例来说明方法的有效性，以及未来的发展趋势和研究。 本书可作为高等学校本科高年级和研究生的参考教材，也可以作为从事故障诊断和预测的工程技术人员的参考书。

作者简介

海军工程大学电子工程学院，教授。曾获得海军院校教育育才银奖、海军课堂授课质量奖等，负责培训大学生电子设计竞赛获得多项奖项。“电子线路系列课程改革”获全军教学成果二等奖。 Michael Todd是从杜克大学机械工程与材料科学系获得学士（1992），硕士（1993），博士（1996），同时是NSF的一名研究生。1996年成为A.S.E.E的博士后，1988年成为一名研究工程师，后来成为美国海军研究实验室光纤智能结构部的领导。2003年又加入了加州圣地亚哥的结构工程部，目前是该部的教授兼副主席。共发表期刊论文75篇，会议集论文170篇，出版专著5本和授权专利4项。研究方向包括：非线性时间序列应用到结构健康监测、采用*优贝叶斯推理框架进行SHM中的*优决策、为航空航天结构评估开发新型超声波检测、开发各种基于SHM性能测量的*优传感器网络、为结构评估开发RF传感器系统、为航空航天及海军的高灵活结构系统基于有限数据集创造实时形状重建策略、开发卫星系统振动的评估监测、为国内和海军结构应用设计和检测光纤测量系统以及噪声传播建模。他是国际期刊《结构健康监测》的编辑委员会委员。

目录

第1章 在通用离散随机系统中实现基于输出概率密度估计的迭代容错控制
1．1 引言
1．2 基于ILC的PDF控制
1．3 问题公式化
1．3．1 非线性动态权重模型
1．4 故障检测
1．5 故障诊断
1．6 故障容错控制
1．6．1 问题公式化
1．6．2 控制器设计
1．7 径向基函数的调整
1．8 收敛性分析
1．9 一个演示例子
1．10 结论
参考文献
第2章 智能系统监测：在线学习和系统条件状态
2．1 引言
2．1．1 预测与健康管理
2．1．2 问题公式化
2．1．3 系统退化监测
2．2 传送带过程仿真
2．2．1 感应电动机及其控制
2．2．2 标量控制电机建模
2．2．3 矢量控制电机建模
2．2．4 热模型
2．2．5 传送带
2．2．6 退化仿真
2．3 在线学习自适应建模
2．3．1 感应电动机自适应模型
2．3．2 负载转矩自适应估计器
2．3．3 转子电阻参数估计
2．4 退化自动装置和系统条件状态
2．5 解决方案和建议
2．6 未来的研究方向
2．7 结论
参考文献
辅助读物
关键术语和定义
附录
第3章 分类器的原理
3．1 引言
3．2 背景
3．3 分类器
3．3．1 分类器的训练
3．3．2 分类器的隶属度
3．3．3 多变量分类器
3．3．4 分类标签
3．4 数据预处理
3．5 连续学习
3．5．1 概述
3．5．2 初始训练
3．5．3 预测
3．5．4 再训练
3．5．5 故障检测
3．5．6 诊断进程
3．5．7 总结
3．6 预测的置信区间
3．7 通用性
3．8 未来的研究方向
3．9 结论
参考文献
其他阅读
第4章 综合多传感器信息产生故障诊断指标
4．1 引言
4．2 背景
4．3 为故障级别诊断产生的一个指标
4．3．1 方法Ⅰ：处理从两个传感器采集的信号
4．3．2 方法Ⅱ：分别从每个传感器处理采集信号
4．3．3 泥浆泵的叶轮故障诊断应用
4．4 未来的研究方向
4．5 结论
4．6 致谢
参考文献
补充阅读
第5章 基于自由参数变换方法对系统进行故障检测与隔离
5．1 引言
5．2 问题假设
5．2．1 目标
5．2．2 假设
5．2．3 基于数据残差生成方法的一般原则
5．3 单一模式的传感器故障检测和隔离
5．3．1 基于数据的残差法
5．3．2 残差对故障的灵敏度
5．3．3 传感器故障隔离
5．4 仅使用在线输入／输出数据进行转换时间估计
5．5 利用在线和离线的输入／输出数据进行开关时间估计和当前模式识别
5．5．1 基于数据的残差
5．5．2 模式识别
5．5．3 模式辨别能力
5．5．4 开关时间估计
5．5．5 转换的可探测性
5．5．6 示例
5．6 算法
5．7 车辆防侧翻实例
5．8 结论
参考文献
第6章 基于数据驱动的旋转机预测
6．1 引言
6．2 状态监测的状态指标
6．2．1 特征提取来提高信噪比
6．2．2 TSA技术和状态指标
6．2．3 齿轮故障状态指标
6．3 阈值设置和组件健康
6．3．1 齿轮健康分布函数
6．3．2 状态指标间的相关性控制
6．3．3 基于瑞利概率密度函数的健康指标
6．4 预测的状态空间模型
6．4．1 估算系统的剩余有效寿命
6．4．2 预测及预测中的置信区间
6．4．3 试验样品和一个预测实例
6．5 结论
参考文献
第7章 基于个体预测确定合适的退化参数
7．1 引言
7．2 背景
7．3 方法
7．3．1 通用路径模型
7．3．2 利用非贝叶斯更新方法结合先验信息
7．3．3 选择最优预测参数
7．3．4 综合监测和预测系统
7．4 应用与结果
7．4．1 数据集描述
7．4．2 通过专家分析找到一个预测参数
7．4．3 确定一个最佳的预测参数与遗传算法
7．5 总结
参考文献
第8章 多状态设备退化的非齐次连续时间隐半马尔科夫建模过程
8．1 引言
8．2 背景
8．3 马尔可夫重建过程的多态退化建模
8．3．1 初级NHCTSMP
8．3．2 转换类型
8．3．3 使用转换率函数NHCTSMP建模
8．3．4 转换类型的选择
8．3．5 使用NHCTHSMP多状态设备建模
8．3．6 假设
8．3．7 NHCTHSMP参数
8．4 为多状态设备的NHCTHSMP参数估计
8．4．1 无监督估计方法
8．5 计算实例
8．6 未来的研究方向
8．7 总结
8．8 致谢
参考文献
第9章 基于概率变换与有限元法相结合的机械系统随机疲劳诊断
9．1 引言
9．2 随机疲劳
9．2．1 概率变换方法
9．2．2 有限元法
9．2．3 有限元和概率变换方法的新技术
9．2．4 应用：张力下的多孔板
9．3 总结
参考文献
第10章 基于状态分类和预测的旋转机退化预测
10．1 引言
10．2 背景
10．3 异常定义和退化检测
10．4 基于状态分类的退化过程
10．4．1 学习矢量量化
10．4．2 支持向量机
10．5 基于状态预测的退化
10．5．1 异常状态分类器的概率估计原理
10．5．2 使用支持向量机的异常状态的概率估计
10．6 旋转机状态分类和预测的案例
10．6．1 训练和测试样本
10．6．2 退化状态分类
10．6．3 退化状态预测
10．7 未来的研究方向
10．7．1 失效发生的概率估计
10．7．2 复杂设备的降维
10．8 结论
10．9 致谢
参考文献
补充阅读
第11章 连续刀具状态检测的一种时序预测方法
11．1 引言
11．1．1 隐马尔可夫模型
11．2 隐半马氏模型的方法
11．3 前后向迭代算法的简化计算
11．3．1 前后向变量
11．3．2 状态估计
11．4 诊断和预测
11．5 数据集和特征
11．5．1 统计特征
11．5．2 小波特征
11．5．3 特征选择
11．6 诊断和预测结果
11．6．1 方面一：交叉验证
11．6．2 方面二：测试诊断能力
11．6．3 方面三：预测能力测试
11．6．4 非对称损失函数
11．6．5 方面一： 非对称交叉验证
11．6．6 方面二： 非对称诊断
11．7 结论
参考文献
第12章 集成系统健康状态的预测与监控
12．1 引言
12．2 背景
12．2．1 故障诊断概述
12．2．2 PHM概述
12．2．3 可靠性与故障容错控制概述
12．3 集成控制和预测
12．3．1 控制和预测
12．3．2 体系结构描述
12．3．3 数据采集和预处理
12．3．4 状态监测与故障诊断
12．3．5 预测
12．3．6 决策
12．3．7 对策与建议
12．4 未来研究方向
12．5 结论
12．6 致谢
参考文献
补充阅读
第13章 基于粒子滤波的齿轮故障预测方法
13．1 引言
13．2 方法
13．2．1 一维健康指数
13．2．2 基于粒子滤波的RUL预测
13．3 螺旋伞齿轮的案例研究
13．3．1 实验装置和数据收集
13．3．2 结果
13．4 总结
13．5 致谢
参考文献
第14章 PHM商业应用案例：投资回报率和可用性影响
14．1 引言
14．1．1 维修模式
14．1．2 系统和企业级维修价值
14．2 投资回报(ROI)
14．2．1 ROI的定义
14．2．2 ROI成本规避
14．2．3 将健康管理加入风力发动机的投资回报
14．3 系统级维修值
14．3．1 定期维修与无维修灵活性PHM的NPV
14．3．2 维修选项分析
14．4 可用性需求
14．4．1 可用性合同
14．4．2 基于可用性的设计
14．5 结论
参考文献
第15章 船舶动力机械系统的远程故障诊断系统
15．1 引言
15．2 基于知识的远程诊断系统描述
15．2．1 系统的整体设计
15．2．2 MSS的设计
15．2．3 DSLC的设计
15．2．4 远程知识服务
15．3 案例研究：齿轮泵损坏检测与诊断
15．3．1 在线异常报警
15．3．2 离线故障诊断
15．4 未来研究方向
15．5 结论
15．6 致谢
参考文献
第16章 磨损条件下节流阀的预测与健康管理：最优维修规划诊断―预测框架
16．1 引言
16．2 CBM通用指南和标准
16．3 基于状态维修的节流阀
16．3．1 砂管理与检测
16．3．2 侵蚀监测
16．4 节流阀侵蚀案例研究
16．5 节流阀状态监测
16．6 估计节流阀剩余有效寿命
16．6．1 侵蚀指标的伽马过程建模
16．6．2 伽马过程参数的估计
16．6．3 剩余有效寿命为有条件寿命分布
16．6．4 结果
16．7 结论
参考文献
第17章 工业设备的故障预测与健康管理
17．1 引言
17．2 预测方法的特征
17．2．1 快速预测
17．2．2 鲁棒性
17．2．3 置信区间估计
17．2．4 适用性
17．2．5 详细说明
17．2．6 建模和计算负担
17．2．7 多故障处理
17．3 PHM的信息和数据
17．4 PHM的方法
17．4．1 基于第一原理模型的方法
17．4．2 基于可靠性模型的方法
17．4．3 传感器数据驱动方法的过程
17．5 案例
17．5．1 利用粒子滤波第一原理模型的方法
17．5．2 一种数据驱动的方法：模式模糊相似
17．6 挑战与未来研究
17．6．1 混合信息和数据
17．6．2 预测指标的定义
17．6．3 集成和混合方法
17．6．4 伴随不确定性量化的RUL和可靠性评估
17．6．5 验证与预测方法
17．6．6 仪器仪表的设计
17．6．7 控制、操作和维护一体化过程的PHM
17．7 总结和结论
参考文献
第18章 在不确定条件下使用贝叶斯分析和解析近似法进行结构可靠性和响应预测
18．1 引言
18．2 贝叶斯建模和拉普拉斯近似
18．3 使用一阶和二阶可靠性方法进行估计
18．4 逆FORM方法的系统响应估计
18．5 举例
18．5．1 复合梁可靠性实例
18．5．2 使用健康监测数据结构比例更新实例
18．6 结论
参考文献
第19章 使用间接传感器测量具有动态 响应重建的疲劳损伤预测和寿命预测
19．1 引言
19．2 经验模式分解
19．2．1 标准的筛选过程
19．2．2 间歇性标准的筛选过程
19．2．3 变换公式
19．3 时间微分疲劳裂纹扩展模型
19．4 例子
19．5 结论
参考文献

前言/序言

　　在人类的健康护理中，基于有关健康状况参数的测量建立医疗分析。收集测量参数的目的是检测异常、诊断疾病和预测病变。依此类推，健康管理的技术规程，用于从测量参数的历史记录中捕捉工业设备的功能状态。

　　目前，大多数维修方式都是通过预防和纠正方法进行。预防方法是设定固定的维修间隔，来防止部件、子系统或者系统退化。已经发生了明显的错误或故障之后进行纠正性维修。在许多应用中使用这两种方法都表明是昂贵，主要是由于生产损失、备件存储、质量缺陷等的费用。

　　基本上，预测性维修或基于状态维修（CBM）立足于机器实际情况的维修需要，而不像预防性维修预先设定时间表。预防性维修是基于时间和活动，如基于时间更换润滑油，如日历时间或设备的运行时间。例如，大多数人在汽车或吉普车每3000～5000千米时更换机油，不用考虑到机油的实际状况和性能。这有点类似于预防性维修任务。在另一方面，汽车的使用者根据车辆的运行时间和机油的周期性分析，来确定其实际状况和润滑性能，可能能够延长更换机油直到车辆已经行驶到1万公里。这就是预测性维修和预防性维修。预测性维修用于定义基于量化的材料或设备状态所需的维修任务之间的根本区别。

　　基于状态维修的目标是在正确的时间保持设备完好运行。CBM是基于使用实时预测与健康管理（PHM）的数据进行优先和优化维修资源。通过观察系统的状态（状态监测），确定系统的健康，并采取行动。只有当维修实际需要从而减少了抛弃设备的剩余使用寿命。，维修人员利用基于状态维修能够决定在适当的时间进行维修。理想情况下CBM将允许维修人员只做正确的事，最大限度地减少备件成本、系统停机时间和维修时间。

　　智能维修、诊断和预测即机器的CBM主要指工业，航空航天器，军事和商船，汽车行业等上的复杂系统。工业和军事领域关注关键系统和部件的可靠性和可用性。这些目标都是最大化设备时间，尽量减少维修和运营成本。由于人员水平降低和设备变得越来越复杂，智能维修方案必须取代旧的预先安排和劳动密集型规划维修系统，保证设备继续正常运行。机器设备的增长需求使所有设备的服务来适应关键任务的执行。故障检测和故障隔离效果后，系统具有非常低的误警率，要继续提高这些新的应用，预测的要求就更加明显，对系统设计团队的挑战也是非常显著。这些预测的挑战已经在机械系统上存在并应用了一段时间，但在电子系统上还需要积极探索。

　　预测是现代预测与健康管理系统的更具挑战性的方面之一。它也是在运营双方在降低运营、支持成本、全寿命周期的总体成本，以及提高了许多机械和复杂系统的安全性方面有巨大的潜力。复杂系统的诊断监测使人们达到共识，预测在需求和技术上都是可行的。

本书的各章节集合，可以完全覆盖结构健康监测和预测健康管理涉及的领域。这些章节包含了机械和工业工程、信息技术和控制工程，并卓有成效地介绍SHM和PHM如何被建立、评估、部署在工业机械的实践中。

第1章 在通用离散随机系统中实现基于输出概率密度估计的迭代容错控制

本章介绍了一种基于迭代学习控制的容错控制方法。该方法使用一种广义固定结构的比例积分控制器，应用于通用的非高斯变量随机系统，受约束的控制器的状态向量导致平方根概率密度函数的应用结果。将整个控制水平轴划分为许多等时间间隔的批次。在每个批次内，状态受约束的广义比例积分控制器采用线性矩阵不等式方法使输出概率密度函数成形。在任何相邻的批次之间，优化径向基函数的基本函数。当建立迭代学习控制收敛的充分条件，就可以利用一种P型迭代学习控制实现批次间的优化。

第2章 智能系统监测：在线学习和系统条件状态

本章提出了一种新型智能系统状态监控的通用方法。使用5个连续步骤实现：（1）数据采集。（2）简化的自适应模型。（3）诊断，并与自适应模型进行数据比较。（4）使用退化模型间的退化混合自动装置流来跟踪系统状态；（5）在实现对EO

工程系统诊断与预测 方法与技术 epub pdf mobi txt 电子书 下载 2024

工程系统诊断与预测 方法与技术 下载 epub mobi pdf txt 电子书 2024

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价