更新时间：2021-12-24 13:28:43
封面
版权页
内容概述
《“中国制造2025”出版工程》 编委会
序
前言
第1章 绪论
1.1 引言
1.1.1 基于大数据的预测性分析与决策
1.1.2 设备的智能预测性维护
1.1.3 面向设备运营网络的智能预测性维护
1.2 维护策略
1.2.1 故障维护
1.2.2 预防性维护
1.2.3 状态维护
1.2.4 预测性维护
1.2.5 智能预测性维护
1.2.6 维护策略的选择方法
1.3 发展趋势
1.4 本书内容安排
参考文献
第2章 故障诊断与预测方法
2.1 故障诊断与预测方法的一般分类
2.1.1 故障诊断方法
2.1.2 故障预测方法
2.2 基于物理模型的故障预测方法
2.3 基于可靠性模型的故障预测方法
2.4 数据驱动的故障预测方法
2.4.1 基于退化过程模型的方法
2.4.2 基于机器学习的方法
2.4.3 基于深度学习的方法
2.5 融合模型驱动的故障预测方法
2.5.1 信息融合技术
2.5.2 融合建模的思路和方法
2.5.3 一种多分类器融合模型
2.6 基于失效样本的故障预测方法选择
第3章 智能预测性维护技术体系与框架
3.1 智能制造的参考体系架构
3.2 面向设备的智能预测性维护策略
3.2.1 基于5C的预测性维护模型
3.2.2 基于CPS的智能预测性维护模型
3.3 面向设备运营网络的智能预测性维护策略
3.3.1 设备运营与维护网络
3.3.2 面向SPdM网络的数据获取与维护决策
3.4 基于数据挖掘的智能预测性维护技术体系与框架
第4章 基于IoT的感知资源管理框架与模型
4.1 基于IoT的感知资源模型及管理框架
4.1.1 IoT感知资源模型
4.1.2 基于IoT的感知资源管理框架
4.1.3 基于IoT的数据采集与处理框架
4.2 基于区块链的IoT资源安全管理模型
4.2.1 区块链与物联网的关系
4.2.2 基于区块链的工业物联网平台
4.2.3 基于SMPC的秘密分享机制和数据存储方法
4.2.4 标识管理和链路协议
4.3 基于区块链的IoT数据共享模型
4.4 案例研究
第5章 面向复杂制造环境的无线路由模型与算法
5.1 网络路由协议的研究现状
5.2 基于QoS的无线传感器网络路由模型
5.2.1 QoS的度量参数
5.2.2 具有QoS的网络路由协议与模型
5.3 基于量子蚁群算法的路由优化算法
5.3.1 蚁群算法和量子进化算法优化机理
5.3.2 量子蚁群算法
5.3.3 量子蚁群多目标路由算法设计
5.3.4 算法性能分析
5.4 实验与结果分析
第6章 数据采集的协议集成与设计案例
6.1 状态监测数据采集框架
6.2 监测网络的协议选择
6.2.1 CAN总线协议
6.2.2 ZigBee协议
6.2.3 GPRS协议
6.3 硬件选型与设计
6.3.1 传感器选型
6.3.2 数据采集网络层设计
6.4 软件设计
6.4.1 ZigBee节点程序设计
6.4.2 ARM控制板程序设计
第7章 数据驱动的故障诊断方法
7.1 数据驱动故障诊断方法的研究现状
7.2 面向非平稳非线性状态数据的特征提取方法
7.2.1 产品的故障模式及信号监测方法
7.2.2 状态监测信号的特征提取方法
7.2.3 图像处理与波形处理相结合的特征提取方法
7.3 基于卷积神经网络和集成学习的故障诊断方法
7.3.1 多层多尺度特征最优配置的CNN模型
7.3.2 基于多层多尺度深度CNN和RFs的集成学习方法
7.3.3 实验仿真、分析与应用验证
7.4 基于卷积神经网络和迁移学习的故障诊断方法
7.4.1 迁移学习的概念
7.4.2 基于CNN和TL的故障诊断模型
7.4.3 实验仿真、分析与应用验证
