关于我们
书单推荐
新书推荐
|
故障预测与健康管理技术及应用案例分析 读者对象:装备专业、电子设备、机械设备相关专业高年级本科生、研究生及科研人员,以及从事故障预测与健康管理的研究人员、管理人员。
故障预测与健康管理(PHM)技术可实现对保障对象的状态监控、故障综合诊断、故障预测、健康管理和全寿命预测等。本书通过分析当前故障预测与健康管理技术的发展现状,介绍机械设备、电子设备故障预测与健康管理的常用方法和具体应用案例,梳理美国政府及军事领域故障预测与健康管理相关的项目、技术和文件,为我国故障预测与健康管理技术的发展提供理论指导和有益借鉴。本书内容丰富、重点突出、注重实用性,可供相关企业及从事故障预测与健康管理的研究人员、管理人员等借鉴参考。
刘宁,山西太原人,汉族,现为军事科学院防化研究院助理研究员。主要从事防化装备保障研究工作。主持军队计划科研项目2项,参与军队计划科研项目9项,参与编写修订标准2部,近5年发表论文11篇,获得国防专利2项。获军队科技进步三等奖3项。
第1 部分 故障预测与健康管理的基本概况
第1 章 绪论 ....................................................................................................... 002 1.1 故障预测与健康管理概念 ................................................................... 002 1.2 故障预测与健康管理背景 ................................................................... 006 1.3 故障预测与健康管理应用 ................................................................... 009 1.4 故障预测与健康管理方法 ................................................................... 011 1.5 故障预测与健康管理优势 ................................................................... 015 1.5.1 降低全寿命周期的成本 ............................................................ 016 1.5.2 优化系统设计的流程 ................................................................ 017 1.5.3 提升生产过程的质量 ................................................................ 018 1.5.4 增强系统运行的效果 ................................................................ 019 1.5.5 保障后勤维修的优势 ................................................................ 020 1.6 故障预测与健康管理面临的挑战 ....................................................... 021 第2 部分 机械设备的故障预测与健康管理 第2 章 基于物理模型的机械设备故障预测与健康管理 ................................. 026 2.1 基于物理模型的机械设备故障预测简介 ............................................ 027 2.2 非线性最小二乘法 ............................................................................... 029 2.3 贝叶斯方法 .......................................................................................... 037 2.3.1 马尔可夫链蒙特卡罗抽样方法 ................................................ 037 2.3.2 电池故障预测贝叶斯方法的MATLAB 实现 .......................... 042 2.4 粒子滤波 .............................................................................................. 047 2.4.1 序列重要性重采样过程 ............................................................ 048 2.4.2 电池故障预测的粒子滤波方法的MATLAB 实现 ................... 053 2.5 基于物理模型的故障预测方法的实际应用 ........................................ 058 2.5.1 问题定义 ................................................................................... 058 2.5.2 针对裂纹扩展示例的代码修改 ................................................ 060 2.5.3 结果 ........................................................................................... 062 2.6 基于物理模型的故障预测方法的优点和不足 .................................... 064 2.6.1 模型充分性 ............................................................................... 064 2.6.2 参数估计 ................................................................................... 066 2.6.3 退化数据质量 ........................................................................... 066 第3 章 数据驱动的机械设备故障预测与健康管理 ........................................ 067 3.1 数据驱动的机械设备故障预测简介 ................................................... 067 3.2 高斯过程回归 ...................................................................................... 071 3.2.1 高斯过程模拟 ........................................................................... 074 3.2.2 基于高斯过程的电池故障预测的MATLAB 实现 ................... 086 3.3 神经网络 .............................................................................................. 090 3.3.1 前馈神经网络模型 .................................................................... 091 3.3.2 基于神经网络的电池故障预测的MATLAB 实现 ................... 103 3.4 数据驱动的故障预测方法的实际应用 ................................................ 107 3.4.1 问题定义 ................................................................................... 107 3.4.2 裂纹扩展示例的MATLAB 代码 .............................................. 109 3.4.3 结果 ........................................................................................... 111 3.5 数据驱动的故障预测方法存在的问题 ................................................ 112 3.5.1 模型形式充分性 ....................................................................... 112 3.5.2 最优参数估计 ........................................................................... 113 3.5.3 退化数据的质量 ....................................................................... 114 第3 部分 电子设备的故障预测与健康管理 第4 章 故障预测与健康管理的传感器系统 .................................................... 119 4.1 传感器和传感原理 ............................................................................... 119 4.1.1 热传感器 ................................................................................... 120 4.1.2 电传感器 ................................................................................... 121 4.1.3 机械传感器 ............................................................................... 122 4.1.4 湿度传感器 ............................................................................... 122 4.1.5 生物传感器 ............................................................................... 123 4.1.6 化学传感器 ............................................................................... 124 4.1.7 光学传感器 ............................................................................... 125 4.1.8 磁传感器 ................................................................................... 126 4.2 故障预测与健康管理传感器系统的运行 ............................................ 127 4.2.1 需要监测的参数 ....................................................................... 128 4.2.2 传感器系统的性能 .................................................................... 128 4.2.3 传感器系统的物理属性 ............................................................ 129 4.2.4 传感器系统的功能属性 ............................................................ 129 4.2.5 成本 ........................................................................................... 134 4.2.6 可靠性 ....................................................................................... 134 4.2.7 可用性 ....................................................................................... 135 4.3 传感器选择 .......................................................................................... 135 4.4 故障预测与健康管理实现的传感器系统示例 .................................... 137 第5 章 基于物理模型的电子设备故障预测与健康管理 ................................. 141 5.1 硬件配置 .............................................................................................. 142 5.2 载荷 ...................................................................................................... 142 5.3 故障模式、机制及影响分析 ............................................................... 143 5.4 应力分析 .............................................................................................. 147 5.5 可靠性评估和剩余使用寿命预测 ....................................................... 147 5.6 基于物理模型的故障预测与健康管理方法的输出 ............................ 151 第6 章 数据驱动的电子设备故障预测与健康管理 ........................................ 152 6.1 参数统计方法 ...................................................................................... 154 6.1.1 似然比检验 ............................................................................... 154 6.1.2 最大似然估计 ........................................................................... 155 6.1.3 Neyman-Pearson 准则 ............................................................... 155 6.1.4 期望值最大化 ........................................................................... 156 6.1.5 最小均方差估计 ....................................................................... 156 6.1.6 最大后验概率估计 .................................................................... 157 6.1.7 Rao-Blackwell 估计 ................................................................... 157 6.1.8 Cramer-Rao 下界 ....................................................................... 157 6.2 非参数统计方法 ................................................................................... 158 6.2.1 基于最近邻的分类 .................................................................... 158 6.2.2 Parzen 窗(核密度估计) ........................................................ 159 6.2.3 Wilcoxon 秩和检验 ................................................................... 159 6.2.4 Kolmogorov-Smirnov 检验 ....................................................... 160 6.2.5 卡方拟合优度假设检验 ............................................................ 160 6.3 机器学习方法 ...................................................................................... 161 6.3.1 有监督分类 ............................................................................... 164 6.3.2 无监督分类 ............................................................................... 169 6.4 本章小结 .............................................................................................. 174 第4 部分 应用案例 第7 章 机械设备故障预测与健康管理应用案例 ............................................ 176 7.1 现场测量与关节磨损预测 ................................................................... 176 7.1.1 动机和背景 ............................................................................... 176 7.1.2 磨损模型和磨损系数 ................................................................ 177 7.1.3 曲柄滑块机构关节磨损的现场测量 ........................................ 179 7.1.4 贝叶斯方法用于预测关节渐进磨损 ........................................ 182 7.1.5 磨损系数识别与磨损量预测 .................................................... 185 7.1.6 结论 ........................................................................................... 191 7.2 不同噪声和偏差条件下使用贝叶斯方法识别模型参数 .................... 191 7.2.1 动机和背景 ............................................................................... 191 7.2.2 损伤增长模型和测量不确定度模型 ........................................ 192 7.2.3 贝叶斯方法用于损伤特性描述 ................................................ 195 7.2.4 结论 ........................................................................................... 201 7.3 加速寿命试验数据在故障预测中的实际应用 .................................... 202 7.3.1 动机和背景 ............................................................................... 203 7.3.2 问题定义 ................................................................................... 204 7.3.3 加速寿命试验数据的应用 ........................................................ 205 7.3.4 结论 ........................................................................................... 214 7.4 基于特定频域中熵变的轴承故障预测方法 ........................................ 214 7.4.1 动机和背景 ............................................................................... 214 7.4.2 退化特征的提取方法和属性 .................................................... 216 7.4.3 故障预测 ................................................................................... 224 7.4.4 方法通用性讨论 ....................................................................... 228 7.4.5 结论和未来工作的建议 ............................................................ 230 7.5 其他应用实例 ...................................................................................... 231 第8 章 电子设备故障预测与健康管理应用案例 ............................................ 235 8.1 基于核学习的电子部件健康评估 ....................................................... 235 8.1.1 基于核的学习方法 .................................................................... 235 8.1.2 健康评估方法 ........................................................................... 237 8.1.3 实施结果 ................................................................................... 243 8.2 基于模型滤波的剩余使用寿命预测 ................................................... 257 8.2.1 故障预测问题 ........................................................................... 258 8.2.2 电路退化建模 ........................................................................... 259 8.2.3 基于模型的故障预测方法 ........................................................ 261 8.2.4 试验结果 ................................................................................... 265 8.3 锂离子电池的故障预测与健康管理 ................................................... 274 8.3.1 充电状态估计 ........................................................................... 274 8.3.2 锂离子电池故障预测 ................................................................ 289 8.3.3 结论 ........................................................................................... 295 8.4 发光二极管的故障预测与健康管理 ................................................... 295 8.4.1 发光二极管芯片级的建模和故障分析..................................... 296 8.4.2 发光二极管封装级的建模和故障分析..................................... 303 8.4.3 发光二极管系统级的建模和故障分析..................................... 307 8.4.4 结论 ........................................................................................... 309 附录A 美国政府及军事领域中的故障预测与健康管理 ................................. 311 A.1 美国国家航空航天局 .......................................................................... 311 A.1.1 故障预测与健康管理方法 ....................................................... 312 A.1.2 相关出版物 .............................................................................. 313 A.2 美国桑迪亚国家实验室 ...................................................................... 314 A.2.1 故障预测与健康管理方法 ....................................................... 314 A.2.2 相关出版物 .............................................................................. 315 A.3 美国陆军 ............................................................................................. 315 A.3.1 故障预测与健康管理方法 ....................................................... 315 A.3.2 扩展的基于状态的维修 ........................................................... 317 A.3.3 美国陆军装备系统分析局 ....................................................... 317 A.3.4 美国陆军研究实验室车辆技术局 ........................................... 319 A.3.5 相关出版物 .............................................................................. 323 A.4 美国海军 ............................................................................................. 327 A.4.1 故障预测与健康管理方法 ....................................................... 327 A.4.2 相关出版物 .............................................................................. 329 A.5 美国空军 ............................................................................................. 329 A.5.1 故障预测与健康管理方法 ....................................................... 330 A.5.2 相关出版物 .............................................................................. 332 附录B 故障预测与健康管理相关的期刊和会议清单 ..................................... 333 B.1 期刊 ..................................................................................................... 333 B.2 会议论文集 .......................................................................................... 334 参考文献 ............................................................................................................... 336
你还可能感兴趣
我要评论
|