新書推薦：
《
成为作家
》
售價：NT$
269.0
《
工作文化史 古代卷
》
售價：NT$
381.0
《
像亚马逊一样思考
》
售價：NT$
442.0
《
中国震撼
》
售價：NT$
403.0
《
以讹传讹：错误信息如何传播
》
售價：NT$
437.0
《
大学问·生活中的意义
》
售價：NT$
442.0
《
待客之道：7-Eleven如何把客户体验做到极致
》
售價：NT$
386.0
《
空腹力（诺贝尔奖得主研究成果！科学空腹，让身体脱胎换骨！）
》
售價：NT$
325.0
|
| 編輯推薦： |
大数据环境下面向MRO技术服务网络的智能预测性维护理论、技术和方法。
较全面系统地阐述了设备维护领域正在兴起的理论、技术和方法，涉及面广，内容丰富；
努力反映了国家新一代智能制造和新一代人工智能的战略部署及实施情况。
|
| 內容簡介： |
本书主要介绍了故障诊断与预测方法、智能预测性维护技术体系与框架、基于IoT的感知资源管理框架与模型、面向复杂制造环境的无线路由模型与算法、数据采集的协议集成与设计案例、数据驱动的故障诊断方法、数据驱动的故障预测模型与方法、智能工厂的维护优化调度与决策、大范围维护服务预测与优化配置、基于信息物理系统的运行过程控制。
本书可作为自动测试、可靠性和预测性维护等产品服务领域的重要参考书。
|
| 關於作者： |
|
刘敏，同济大学，教授，博士生导师 。近年，在国内外学术期刊和国际会议发表论文100余篇，SCIEI摘引100余篇次，研究了智能制造、大数据分析与预测、基于互联网的服务优化调度与配置等基础理论、方法和技术，申报国家发明专利10余项，授权6项、软件著作权9项。多次担任国际学术会议的分会主席及程序委员会委员，受到人民邮电报、上海商报和常熟日报等媒体采访，担任上海市企业信息化促进中心理事和专家。先后获得CAA技术发明一等奖（2015）、菲尼克斯电气奖教金（2013）、同济大学攀登高层次人才基金（2011）、上海市科技进步二等奖、863计划CIMS先进工作者、上海市政府津贴等荣誉。
|
| 目錄：
|
第1章绪论1
1.1引言1
1.1.1基于大数据的预测性分析与决策1
1.1.2设备的智能预测性维护2
1.1.3面向设备运营网络的智能预测性维护5
1.2维护策略6
1.2.1故障维护6
1.2.2预防性维护8
1.2.3状态维护8
1.2.4预测性维护11
1.2.5智能预测性维护12
1.2.6维护策略的选择方法13
1.3发展趋势14
1.4本书内容安排15
参考文献16
第2章故障诊断与预测方法17
2.1故障诊断与预测方法的一般分类17
2.1.1故障诊断方法18
2.1.2故障预测方法20
2.2基于物理模型的故障预测方法23
2.3基于可靠性模型的故障预测方法24
2.4数据驱动的故障预测方法27
2.4.1基于退化过程模型的方法28
2.4.2基于机器学习的方法30
2.4.3基于深度学习的方法44
2.5融合模型驱动的故障预测方法45
2.5.1信息融合技术45
2.5.2融合建模的思路和方法51
2.5.3一种多分类器融合模型52
2.6基于失效样本的故障预测方法选择54
参考文献55
第3章智能预测性维护技术体系与框架58
3.1智能制造的参考体系架构58
3.2面向设备的智能预测性维护策略60
3.2.1基于5C的预测性维护模型60
3.2.2基于CPS的智能预测性维护模型62
3.3面向设备运营网络的智能预测性维护策略65
3.3.1设备运营与维护网络65
3.3.2面向SPdM网络的数据获取与维护决策66
3.4基于数据挖掘的智能预测性维护技术体系与框架69
参考文献70
第4章基于IoT的感知资源管理框架与模型72
4.1基于IoT的感知资源模型及管理框架72
4.1.1IoT感知资源模型73
4.1.2基于IoT的感知资源管理框架79
4.1.3基于IoT的数据采集与处理框架82
4.2基于区块链的IoT资源安全管理模型88
4.2.1区块链与物联网的关系89
4.2.2基于区块链的工业物联网平台92
4.2.3基于SMPC的秘密分享机制和数据存储方法94
4.2.4标识管理和链路协议98
4.3基于区块链的IoT数据共享模型101
4.4案例研究104
参考文献106
第5章面向复杂制造环境的无线路由模型与算法107
5.1网络路由协议的研究现状107
5.2基于QoS的无线传感器网络路由模型109
5.2.1QoS的度量参数109
5.2.2具有QoS的网络路由协议与模型111
5.3基于量子蚁群算法的路由优化算法113
5.3.1蚁群算法和量子进化算法优化机理113
5.3.2量子蚁群算法116
5.3.3量子蚁群多目标路由算法设计120
5.3.4算法性能分析121
5.4实验与结果分析122
参考文献126
第6章数据采集的协议集成与设计案例129
6.1状态监测数据采集框架129
6.2监测网络的协议选择131
6.2.1CAN总线协议132
6.2.2ZigBee协议134
6.2.3GPRS协议137
6.3硬件选型与设计138
6.3.1传感器选型138
6.3.2数据采集网络层设计139
6.4软件设计148
6.4.1ZigBee节点程序设计149
6.4.2ARM控制板程序设计149
参考文献151
第7章数据驱动的故障诊断方法152
7.1数据驱动故障诊断方法的研究现状152
7.2面向非平稳非线性状态数据的特征提取方法154
7.2.1产品的故障模式及信号监测方法154
7.2.2状态监测信号的特征提取方法155
7.2.3图像处理与波形处理相结合的特征提取方法159
7.3基于卷积神经网络和集成学习的故障诊断方法162
7.3.1多层多尺度特征最优配置的CNN模型162
7.3.2基于多层多尺度深度CNN和RFs的集成学习方法164
7.3.3实验仿真、分析与应用验证164
7.4基于卷积神经网络和迁移学习的故障诊断方法169
7.4.1迁移学习的概念169
7.4.2基于CNN和TL的故障诊断模型170
7.4.3实验仿真、分析与应用验证172
参考文献175
第8章数据驱动的故障预测模型与方法177
8.1基于量子多智能体神经网络的故障预测模型177
8.1.1神经网络故障预测模型178
8.1.2QMA-BPNN算法179
8.1.3基于量子多智能体神经网络的预测算法183
8.1.4算法分析185
8.2基于机器学习的故障预测模型188
8.2.1故障预测建模技术189
8.2.2算法的训练、仿真和评估192
8.2.3算法的验证和测试方法194
8.3基于深度学习的故障预测模型198
8.3.1卷积神经网络模型199
8.3.2面向多元时间序列数据的多种CNN预测模型203
8.3.3算法分析209
参考文献219
第9章智能工厂的维护优化调度与决策221
9.1维护与库存的联合优化问题221
9.1.1维护需求的种类221
9.1.2维护策略与库存控制模型的特征分类222
9.2维护与备件库存的联合优化策略229
9.2.1基于块的维护策略和定期检查库存策略230
9.2.2基于块的维护策略和连续检查库存策略230
9.2.3基于役龄的维护策略和定期检查库存策略231
9.2.4基于役龄的维护策略和连续检查库存策略232
9.2.5状态维护策略和定期与连续库存检查策略233
9.3预测性维护与备件库存联合优化模型235
9.3.1基于仿真的联合优化模型236
9.3.2基于马尔科夫决策过程MDP的联合优化模型245
9.3.3基于预测事件的联合优化模型251
参考文献255
第10章大范围维护服务预测与优化配置260
10.1MRO运营网络的服务需求预测与优化问题260
10.2基于产品劣化状态的需求预测与服务提供模型263
10.2.1生产设备的加速劣化模型264
10.2.2基于产品劣化状态的需求预测及服务提供模型267
10.2.3算例分析270
10.3基于DSSI理论和FAHP赋权模式的服务提供商管理276
10.3.1理论背景277
10.3.2基于DSSI理论的提供商选择模型280
10.3.3基于FAHP赋权模式的提供商评价方法291
10.4基于改进随机规划的服务备件预测与管理模型301
10.4.1基于改进随机规划的备件管理模型302
10.4.2模型求解307
10.4.3算例分析310
10.5基于模糊随机规划和利润共享模式的服务资源配置319
10.5.1基于模糊随机规划和利润共享式的服务资源配置320
10.5.2模型求解325
10.5.3算例分析331
参考文献340
第11章基于信息物理系统的运行过程控制342
11.1CPS系统342
11.1.1CPS的定义342
11.1.2CPS研究现状343
11.1.3CPS架构345
11.2基于数字孪生的运行过程智能控制模型351
11.2.1数字孪生模型351
11.2.2数字孪生模型的相关应用353
11.2.3运行过程智能控制模型358
11.3数据驱动生产过程参数优化案例分析360
11.3.1数据采集与预处理361
11.3.2系统建模与计算分析362
11.3.3智能生产优化策略376
参考文献378
索引380
|
| 內容試閱：
|
随着信息、机械、系统工程和管理等学科的发展，特别是以移动互联网、大数据、人工智能等为代表的新一代信息技术，推进了智能制造的快速发展。
在设备的运营维护领域，为解决设备运营与维护服务的异地化、实时化和及时性等问题，设备制造或运营企业通过采集设备运行数据，并上传至企业数据中心（或企业云），使系统软件能够对设备进行实时在线监测、控制，并经过数据分析进行预测性维护，逐渐形成了基于（移动）互联网的维护、维修和运营（Maintenance Repair & Operation，MRO）技术服务网络和相应的数据支撑环境，如产品状态、设备状态、环境状态、业务运营状态、人员状态、社交网络数据以及客户反馈数据等大数据信息，并体现出全球性（互联网连接）、实时性（工业互联网支持的状态检测）和及时性（移动终端调度）的特性，使得设备全生命周期的知识能被高效和自发地产生和利用。然而，由于MRO 技术服务网络中装备系统故障的高随机性和维护需求的高不确定性，面向大范围MRO 网络环境中多个不确定性的协作主体和高随机性的设备故障，如何可靠地获取、建模、推理和挖掘来自产品状态、环境状态、设备运行状态、人员状态、业务运营数据、社交网络数据以及客户产品反馈数据等装备全生命周期中的异构大数据信息？如何利用上述信息准确地预测设备故障和维护需求，制定合适的维护和优化策略？如何在有限服务资源下，充分利用互联网环境下广泛存在的共享服务资源，最大限度地响应网络维护需求，建立与客户长期全面的合作关系？更进一步，如何通过信息物理系统（Cyber Physical System，CPS）将维护决策反馈给制造系统，实现误差补偿、调节和反馈控制？这些问题成了智能制造环境下MRO 技术服务网络中各个参与主体的共同诉求，需要研究面向智能运营环境的多源异构数据高质量获取与融合理论与方法、数据驱动的装备及部件故障预测理论和方法、面向装备运营网络的大规模维护决策理论、基于CPS的反馈控制方法等大数据环境下面向MRO技术服务网络的智能预测性维护（Smart Predictive Maintenance，SPdM）理论、技术和方法。
本书系统地介绍了新一代信息技术环境对制造业的影响、智能制造模式下的设备维护问题，以及各种维护策略，如预防性维护、预测性维护和智能预测性维护等；详细地介绍了故障预测的方法体系，包括基于物理模型的故障预测、基于可靠性模型的故障预测、数据驱动的故障预测、融合模型驱动的故障预测等内容；结合智能制造的参考体系结构，系统地介绍了智能预测性维护的技术体系与框架，如面向智能工厂的智能预测性维护、面向智能工厂运营网络的智能预测性维护框架等；注重智能预测性维护的关键理论、方法和技术，例如，基于IoT的感知资源管理与车间无线路由技术、大数据驱动的故障预测理论和方法、维护决策和优化方法、网络决策和优化方法以及基于CPS的虚拟控制技术等，较全面系统地阐述了设备维护领域正在兴起的理论、技术和方法，涉及面广，内容丰富；努力反映了国家新一代智能制造和新一代人工智能的战略部署及实施情况。
本书具体内容安排为：第1章对智能制造模式下智能预测性维护、设备维护策略与发展趋势进行综述，并为全书内容的展开进行铺垫；第2章介绍故障诊断与预测方法；第3章结合智能制造的参考体系架构，系统地介绍智能预测性维护技术体系与框架；第4章介绍基于IoT的感知资源管理框架与模型；第5章介绍面向复杂制造环境的无线路由模型与算法；第6章给出数据采集的协议集成与设计案例；第7章讨论数据驱动的故障诊断方法；第8章介绍数据驱动的故障预测模型与方法；第9章讨论智能工厂的维护优化调度与决策；第10章介绍大范围维护服务预测与优化配置；第11章讨论基于信息物理系统的运行过程控制。
本书受到国家重点研发计划项目面向有色金属冶炼流程精细管控的网络协同制造关键技术与平台研发（2019YFB1704700）和国家自然科学基金项目互联网与大数据环境下面向高端装备制造的智能工厂运营优化（No.71690234）的资助。全书由刘敏、李玲、鄢锋著，特别要感谢马玉敏对11 章的贡献。本书得到同济大学电子与信息工程学院系统工程专业博士生章锋、徐高威的协助，谨在此对他们表示衷心的感谢。
由于本书涉及的范围比较广，所讨论的问题比较新也比较复杂，书中难免会有不足之处，诚挚地欢迎广大读者批评指正。
著 者
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
