工程系统诊断与预测 方法与技术PDF|Epub|txt|kindle电子书版本网盘下载

工程系统诊断与预测 方法与技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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

1.1 引言1

1.2 基于ILC的PDF控制2

1.3 问题公式化3

1.3.1 非线性动态权重模型4

1.4 故障检测5

1.5 故障诊断7

1.6 故障容错控制10

1.6.1 问题公式化10

1.6.2 控制器设计11

1.7 径向基函数的调整14

1.8 收敛性分析14

1.9 一个演示例子15

1.10 结论19

参考文献19

第2章 智能系统监测：在线学习和系统条件状态22

2.1 引言22

2.1.1 预测与健康管理23

2.1.2 问题公式化24

2.1.3 系统退化监测25

2.2 传送带过程仿真25

2.2.1 感应电动机及其控制26

2.2.2 标量控制电机建模27

2.2.3 矢量控制电机建模28

2.2.4 热模型30

2.2.5 传送带30

2.2.6 退化仿真31

2.3 在线学习自适应建模32

2.3.1 感应电动机自适应模型33

2.3.2 负载转矩自适应估计器34

2.3.3 转子电阻参数估计37

2.4 退化自动装置和系统条件状态37

2.5 解决方案和建议39

2.6 未来的研究方向40

2.7 结论40

参考文献41

辅助读物42

关键术语和定义44

附录45

第3章 分类器的原理46

3.1 引言46

3.2 背景46

3.3 分类器47

3.3.1 分类器的训练47

3.3.2 分类器的隶属度48

3.3.3 多变量分类器49

3.3.4 分类标签49

3.4 数据预处理50

3.5 连续学习52

3.5.1 概述52

3.5.2 初始训练53

3.5.3 预测53

3.5.4 再训练55

3.5.5 故障检测56

3.5.6 诊断进程57

3.5.7 总结57

3.6 预测的置信区间58

3.7 通用性59

3.8 未来的研究方向60

3.9 结论60

参考文献61

其他阅读61

第4章 综合多传感器信息产生故障诊断指标62

4.1 引言62

4.2 背景63

4.3 为故障级别诊断产生的一个指标64

4.3.1 方法Ⅰ：处理从两个传感器采集的信号64

4.3.2 方法Ⅱ：分别从每个传感器处理采集信号68

4.3.3 泥浆泵的叶轮故障诊断应用71

4.4 未来的研究方向76

4.5 结论76

4.6 致谢76

参考文献76

补充阅读79

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81

5.1 引言81

5.2 问题假设82

5.2.1 目标82

5.2.2 假设82

5.2.3 基于数据残差生成方法的一般原则82

5.3 单一模式的传感器故障检测和隔离83

5.3.1 基于数据的残差法83

5.3.2 残差对故障的灵敏度84

5.3.3 传感器故障隔离84

5.4 仅使用在线输入/输出数据进行转换时间估计85

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86

5.5.1 基于数据的残差86

5.5.2 模式识别87

5.5.3 模式辨别能力88

5.5.4 开关时间估计88

5.5.5 转换的可探测性89

5.5.6 示例90

5.6 算法92

5.7 车辆防侧翻实例92

5.8 结论96

参考文献96

第6章 基于数据驱动的旋转机预测98

6.1 引言98

6.2 状态监测的状态指标99

6.2.1 特征提取来提高信噪比99

6.2.2 TSA技术和状态指标100

6.2.3 齿轮故障状态指标100

6.3 阈值设置和组件健康101

6.3.1 齿轮健康分布函数102

6.3.2 状态指标间的相关性控制102

6.3.3 基于瑞利概率密度函数的健康指标103

6.4 预测的状态空间模型104

6.4.1 估算系统的剩余有效寿命105

6.4.2 预测及预测中的置信区间106

6.4.3 试验样品和一个预测实例107

6.5 结论108

参考文献108

第7章 基于个体预测确定合适的退化参数110

7.1 引言110

7.2 背景111

7.3 方法112

7.3.1 通用路径模型112

7.3.2 利用非贝叶斯更新方法结合先验信息113

7.3.3 选择最优预测参数114

7.3.4 综合监测和预测系统115

7.4 应用与结果116

7.4.1 数据集描述116

7.4.2 通过专家分析找到一个预测参数116

7.4.3 确定一个最佳的预测参数与遗传算法120

7.5 总结121

参考文献122

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123

8.1 引言123

8.2 背景124

8.3 马尔可夫重建过程的多态退化建模125

8.3.1 初级NHCTSMP126

8.3.2 转换类型128

8.3.3 使用转换率函数NHCTSMP建模129

8.3.4 转换类型的选择131

8.3.5 使用NHCTHSMP多状态设备建模132

8.3.6 假设132

8.3.7 NHCTHSMP参数132

8.4 为多状态设备的NHCTHSMP参数估计133

8.4.1 无监督估计方法133

8.5 计算实例139

8.6 未来的研究方向143

8.7 总结143

8.8 致谢143

参考文献143

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146

9.1 引言146

9.2 随机疲劳146

9.2.1 概率变换方法147

9.2.2 有限元法147

9.2.3 有限元和概率变换方法的新技术147

9.2.4 应用：张力下的多孔板148

9.3 总结150

参考文献150

第10章 基于状态分类和预测的旋转机退化预测151

10.1 引言151

10.2 背景151

10.3 异常定义和退化检测152

10.4 基于状态分类的退化过程153

10.4.1 学习矢量量化153

10.4.2 支持向量机153

10.5 基于状态预测的退化154

10.5.1 异常状态分类器的概率估计原理154

10.5.2 使用支持向量机的异常状态的概率估计155

10.6 旋转机状态分类和预测的案例155

10.6.1 训练和测试样本156

10.6.2 退化状态分类156

10.6.3 退化状态预测158

10.7 未来的研究方向159

10.7.1 失效发生的概率估计159

10.7.2 复杂设备的降维159

10.8 结论159

10.9 致谢159

参考文献160

补充阅读161

第11章 连续刀具状态检测的一种时序预测方法163

11.1 引言163

11.1.1 隐马尔可夫模型164

11.2 隐半马氏模型的方法165

11.3 前后向迭代算法的简化计算168

11.3.1 前后向变量168

11.3.2 状态估计169

11.4 诊断和预测170

11.5 数据集和特征171

11.5.1 统计特征171

11.5.2 小波特征172

11.5.3 特征选择172

11.6 诊断和预测结果174

11.6.1 方面一：交叉验证175

11.6.2 方面二：测试诊断能力175

11.6.3 方面三：预测能力测试176

11.6.4 非对称损失函数177

11.6.5 方面一：非对称交叉验证179

11.6.6 方面二：非对称诊断179

11.7 结论180

参考文献180

第12章 集成系统健康状态的预测与监控182

12.1 引言182

12.2 背景183

12.2.1 故障诊断概述183

12.2.2 PHM概述183

12.2.3 可靠性与故障容错控制概述184

12.3 集成控制和预测185

12.3.1 控制和预测185

12.3.2 体系结构描述186

12.3.3 数据采集和预处理186

12.3.4 状态监测与故障诊断188

12.3.5 预测191

12.3.6 决策194

12.3.7 对策与建议197

12.4 未来研究方向197

12.5 结论197

12.6 致谢198

参考文献198

补充阅读201

第13章 基于粒子滤波的齿轮故障预测方法202

13.1 引言202

13.2 方法203

13.2.1 一维健康指数203

13.2.2 基于粒子滤波的RUL预测204

13.3 螺旋伞齿轮的案例研究205

13.3.1 实验装置和数据收集205

13.3.2 结果206

13.4 总结209

13.5 致谢210

参考文献210

第14章 PHM商业应用案例：投资回报率和可用性影响211

14.1 引言211

14.1.1 维修模式211

14.1.2 系统和企业级维修价值212

14.2 投资回报（ROI）213

14.2.1 ROI的定义213

14.2.2 ROI成本规避213

14.2.3 将健康管理加入风力发动机的投资回报215

14.3 系统级维修值218

14.3.1 定期维修与无维修灵活性PHM的NPV219

14.3.2 维修选项分析221

14.4 可用性需求222

14.4.1 可用性合同223

14.4.2 基于可用性的设计224

14.5 结论226

参考文献227

第15章 船舶动力机械系统的远程故障诊断系统229

15.1 引言229

15.2 基于知识的远程诊断系统描述231

15.2.1 系统的整体设计231

15.2.2 MSS的设计231

15.2.3 DSLC的设计232

15.2.4 远程知识服务233

15.3 案例研究：齿轮泵损坏检测与诊断235

15.3.1 在线异常报警235

15.3.2 离线故障诊断238

15.4 未来研究方向239

15.5 结论240

15.6 致谢240

参考文献240

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243

16.1 引言243

16.2 CBM通用指南和标准244

16.3 基于状态维修的节流阀245

16.3.1 砂管理与检测246

16.3.2 侵蚀监测247

16.4 节流阀侵蚀案例研究247

16.5 节流阀状态监测249

16.6 估计节流阀剩余有效寿命249

16.6.1 侵蚀指标的伽马过程建模249

16.6.2 伽马过程参数的估计251

16.6.3 剩余有效寿命为有条件寿命分布252

16.6.4 结果253

16.7 结论253

参考文献254

第17章 工业设备的故障预测与健康管理257

17.1 引言257

17.2 预测方法的特征259

17.2.1 快速预测259

17.2.2 鲁棒性259

17.2.3 置信区间估计259

17.2.4 适用性259

17.2.5 详细说明259

17.2.6 建模和计算负担260

17.2.7 多故障处理260

17.3 PHM的信息和数据260

17.4 PHM的方法260

17.4.1 基于第一原理模型的方法261

17.4.2 基于可靠性模型的方法261

17.4.3 传感器数据驱动方法的过程262

17.5 案例262

17.5.1 利用粒子滤波第一原理模型的方法263

17.5.2 一种数据驱动的方法：模式模糊相似266

17.6 挑战与未来研究266

17.6.1 混合信息和数据267

17.6.2 预测指标的定义267

17.6.3 集成和混合方法267

17.6.4 伴随不确定性量化的RUL和可靠性评估268

17.6.5 验证与预测方法268

17.6.6 仪器仪表的设计268

17.6.7 控制、操作和维护一体化过程的PHM268

17.7 总结和结论268

参考文献269

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275

18.1 引言275

18.2 贝叶斯建模和拉普拉斯近似276

18.3 使用一阶和二阶可靠性方法进行估计277

18.4 逆FORM方法的系统响应估计279

18.5 举例280

18.5.1 复合梁可靠性实例280

18.5.2 使用健康监测数据结构比例更新实例283

18.6 结论286

参考文献286

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289

19.1 引言289

19.2 经验模式分解290

19.2.1 标准的筛选过程290

19.2.2 间歇性标准的筛选过程291

19.2.3 变换公式292

19.3 时间微分疲劳裂纹扩展模型293

19.4 例子293

19.5 结论296

参考文献297