幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

故障預測與健康管理--應用狀態數據提高系統可靠性的實用方法/可靠性維修性保障性學術專著譯叢

  • 作者：(美)道格拉斯·古德曼//詹姆斯·P.霍夫邁斯特//弗倫茨·齊達羅夫斯基|責編:周敏文|總主編:康銳|譯者:伊梟劍//劉樹林//穆慧娜
  • 出版社：國防工業
  • ISBN：9787118140897
  • 出版日期：2026/02/01
  • 裝幀：平裝
  • 頁數：308
人民幣：RMB 125 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本基於狀態數據（CBD）來進行系統健康和壽命預測的綜合指南。故障預測與健康管理為理解基於狀態數據來監測和管理系統健康狀態以提高系統可靠性的理論基礎和方法提供了權威指南。該指南應用基於狀態數據，生成特徵后輸入到預測演算法，對健康和壽命進行故障預測。這種久經考驗的方法使用從基於狀態的電信號（包括代表物理組件的電信號）中提取的電子標籤，並採用包括數據融合和轉換、域轉換、標準化、規範化和信號級別轉換在內的處理方法，來支持故障預測。
    本書主要為在關鍵流程行業工作的系統工程師以及汽車和航空航天設計師編寫。
作者介紹
(美)道格拉斯·古德曼//詹姆斯·P.霍夫邁斯特//弗倫茨·齊達羅夫斯基|責編:周敏文|總主編:康銳|譯者:伊梟劍//劉樹林//穆慧娜
目錄
第1章  故障預測簡介
  1.1  故障預測定義
    1.1.1  本章目標
    1.1.2  本章結構
  1.2  可靠性理論基礎
    1.2.1  失效前時間分佈
    1.2.2  概率和可靠性
    1.2.3  概率密度函數
    1.2.4  分佈之間的關係
    1.2.5  故障率
    1.2.6  期望值和方差
  1.3  極限應力水平下的失效分佈
    1.3.1  基礎模型
    1.3.2  累積損傷模型
    1.3.3  通用指數模型
  1.4  參數估計中的不確定性方法
  1.5  失效數期望
    1.5.1  最少維修
    1.5.2  失效更換
    1.5.3  部分維修使失效次數減少
    1.5.4  部分維修使壽命降低
  1.6  系統可靠性、故障預測與健康管理
    1.6.1  基於狀態檢測維護（CBM）的故障預測與健康管理（PHM）系統通用框架
    1.6.2  PHM與系統可靠性的關係
    1.6.3  退化過程特徵（DPS）和故障預測
    1.6.4  理想的功能失效特徵（FFS）與故障預測
    1.6.5  非理想的FFS和故障預測
  1.7  故障預測信息
    1.7.1  非理想性：初始估計誤差和剩餘使用壽命
    1.7.2  給定初始估計誤差時RUL估計的收斂性
    1.7.3  預測距離（PD）和收斂性
    1.7.4  收斂：品質因數
    1.7.5  造成FFS數據不理想的其他原因
  1.8  關於成本和收益的決策
    1.8.1  產品選擇
    1.8.2  最佳維護計劃
    1.8.3  基於狀態的維護或更換
    1.8.4  預防性更換計劃
    1.8.5  模型變形和擴展
  1.9  本章小結
參考文獻
補充書目
第2章  故障預測與健康管理（PHM）方法
  2.1  故障預測與健康管理（PHM）方法簡介
    2.1.1  基於模型的預測方法
    2.1.2  數據驅動預測方法
    2.1.3  混合驅動預測方法
    2.1.4  本章目標
    2.1.5  本章結構
  2.2  基於模型的預測

    2.2.1  分析建模
    2.2.2  分佈建模
    2.2.3  失效物理（PoF）和可靠性建模
    2.2.4  加速因子
    2.2.5  可靠性建模的複雜性
    2.2.6  失效分佈
    2.2.7  基於故障率和時基故障（FIT）的多種失效模式
    2.2.8  基於模型的預測的優缺點
  2.3  數據驅動預測
    2.3.1  統計方法
    2.3.2  機器學習（ML）的分類和聚類
  2.4  混合驅動預測
  2.5  基於狀態的維護
    2.5.1  基於狀態數據特徵的建模
    2.5.2  壽命消耗方法和CBD特徵模型方法比較
    2.5.3  CBD特徵建模實例
  2.6  本章小結
參考文獻
補充書目
第3章  故障演化特徵
  3.1  故障演化特徵簡介
    3.1.1  本章目標
    3.1.2  本章結構
  3.2  特徵基本類型
    3.2.1  CBD特徵
    3.2.2  功能失效預測（FFP）特徵
    3.2.3  將FFP轉化為FFS
    3.2.4  將FFP轉化為退化過程特徵
    3.2.5  將DPS轉換為基於DPS的FFS
  3.3  模型驗證
    3.3.1  特徵分類
    3.3.2  驗證CBD建模
    3.3.3  驗證FFP建模
    3.3.4  驗證DPS建模
    3.3.5  驗證基於DPS的FFS建模
  3.4  FFS曲線的非線性評價
    3.4.1  感測系統
    3.4.2  FFS非線性
  3.5  數據轉換總結
  3.6  退化率
    3.6.1  常退化率：基於DPS的線性FFS
    3.6.2  非線性退化率
  3.7  故障演化特徵和系統節點
  3.8  本章小結
參考文獻
補充書目
第4章  啟髮式基於狀態數據特徵的建模方法
  4.1  啟髮式特徵建模簡介
4.1.1第3章  回顧
    4.1.2  CBD特徵的啟髮式建模理論

    4.1.3  本章目標
    4.1.4  本章結構
  4.2  一般建模注意事項：CBD特徵
    4.2.1  雜訊邊界
    4.2.2  退化特徵模型的定義
    4.2.3  特徵數據的額定值
    4.2.4  故障到失效演化特徵和退化特徵模型的特徵數據
    4.2.5  CBD特徵到FFS數據的轉換方法
  4.3  CBD建模：退化特徵模型
    4.3.1  退化特徵模型典型實例
    4.3.2  典型FFP退化特徵的示例圖
    4.3.3  將遞減特徵轉換為遞增特徵
  4.4  DPS建模：FFP到DPS轉換模型
    4.4.1  開發轉換模型：從FFP到DPS
    4.4.2  FFP特徵和DPS特徵示例圖
  4.5  FFS建模：失效水平和特徵建模
    4.5.1  使用FFP定義的失效水平開發基於DPS的失效水平（FL）模型
    4.5.2  基於FFP和基於DPS的失效水平的建模結果
    4.5.3  將DPS數據轉換為FFS數據
  4.6  本章小結
參考文獻
補充書目
第5章  非理想數據：可用條件與應用效果
  5.1  非理想數據：可用條件與應用效果簡介
5.1.1第4章  回顧
    5.1.2  數據採集、處理與變換
    5.1.3  本章目標
    5.1.4  本章結構
  5.2  啟髮式方法在非理想CBD特徵中的應用
    5.2.1  啟髮式方法應用於非理想CBD特徵的總結
    5.2.2  預測案例
    5.2.3  獲取高精確預測信息的雜訊
  5.3  FFS數據中的誤差和非理想性
    5.3.1  雜訊邊界和偏移誤差
    5.3.2  測量誤差、不確定性和採樣
    5.3.3  其他雜訊源
    5.3.4  數據平滑和FFS數據中的非理想性
  5.4  適用於FFS數據的啟髮式方法
    5.4.1  調整FFS數據的方法
    5.4.2  修正後FFS數據
    5.4.3  數據調節的其他示例數據集
  5.5  本章小結
參考文獻
補充書目
第6章  設計：故障預測與健康管理系統的穩健原型示例
  6.1  PHM系統回顧
6.1.1第1章  ：故障預測簡介
6.1.2第2章  ：故障預測與健康管理（PHM）方法
6.1.3第3章  ：故障演化特徵
6.1.4第4章  ：啟髮式基於狀態數據特徵的建模方法

6.1.5第5章  ：非理想數據：可用條件與應用效果
    6.1.6  本章目標
    6.1.7  本章結構
  6.2  PHM系統的設計方法
    6.2.1  目標選擇與評估系統失效模式
    6.2.2  離線預測方法：選擇結果
    6.2.3  基於在線部署的基礎架構選擇
  6.3  取樣和輪詢
    6.3.1  連續-定期取樣
    6.3.2  定期爆發採樣
    6.3.3  輪詢
  6.4  初始設計規範
    6.4.1  運行：測試與驗證
    6.4.2  試驗台
    6.4.3  試驗結果
  6.5  交流相電流的特殊RMS方法
    6.5.1  峰值RMS方法
    6.5.2  特殊峰值RMS方法：基本計算例行程序
    6.5.3  特殊峰值RMS法：FFP計算例行程序
    6.5.4  峰值RMS方法：EMA
  6.6  診斷與預測程序
    6.6.1  開關電源
    6.6.2  EMA
  6.7  規範的可靠性和能力
    6.7.1  基於節點的架構
    6.7.2  案例設計
  6.8  節點規範
    6.8.1  系統節點定義
    6.8.2  節點定義
    6.8.3  PHM系統原型的其他節點定義
  6.9  系統驗證和性能指標
    6.9.1  誤差的偏移類型
    6.9.2  確定預測距離的不確定性
    6.9.3  使用PHα估計收斂性
    6.9.4  性能指標
    6.9.5  預測RUL、SoH、PH和退化信息
  6.10  系統驗證高級預測
    6.10.1  SMPS：FFP特徵直接轉換成FFS
    6.10.2  SMPS：FFP特徵轉換為DPS再轉換為FFS
  6.11  PHM系統驗證EMA故障
    6.11.1  EMA的負載（摩擦）故障類型
    6.11.2  EMA的繞組故障類型
    6.11.3  EMA的電源開關晶體管故障類型
  6.12  PHM系統驗證功能集成
    6.12.1  功能集成：控制和數據流
    6.12.2  系統性能指標總結
    6.12.3  PHM系統規劃
  6.13  本章小結
參考文獻
補充書目

第7章  預測使能：選擇、評估和其他考量
  7.1  預測使能簡介
7.1.1第6章  回顧
    7.1.2  電子健康解決方案
    7.1.3  關鍵系統和預警
    7.1.4  減少維護
    7.1.5  健康管理、維護和後勤
    7.1.6  本章目標
    7.1.7  本章結構
  7.2  預測目標的評估、選擇和規範
    7.2.1  預測目標評估、選擇和篩選的標準
    7.2.2  MTBF與MTTF的含義
    7.2.3  MTBF與MTTF的不確定性
    7.2.4  TTF與PITFF
  7.3  預測方法的成本效益示例
    7.3.1  成本效益情況
    7.3.2  成本分析
  7.4  浴盆曲線的可靠性
    7.4.1  浴盆曲線的MTBF和MTTF
    7.4.2  觸發點和預測距離
  7.5  本章小結
參考文獻
補充書目

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032