故障预测与健康管理技术及应用案例分析

定　　价：129 元

丛书名：系统科学与装备工程系列丛书

• 作者：刘宁
• 出版时间：2022/12/1
• ISBN：9787121445392
• 出 版 社：电子工业出版社

• 中图法分类：E92 
• 页码：272
• 版次：01
• 开本：16开

内容简介

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。

作者介绍

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。

目 录

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