智能制造是制造业的未来方向，而体现智能之处就是生产线的“自主”运行及远程控制。本书综合相关基础知识、健康管理与远程运维技术，结合工程实践，形成了一个智能系统远程运维决策框架。基于健康管理思想，提出了数据完备和数据不完备两种情况下的系统故障诊断模型；基于故障诊断，分别从考虑备件、缓冲库存、服务合同、部件相关性、环境等角度提出了运维技术与模型，并对各个模型的效能以及准确性进行了分析。
本书适宜从事制造业及相关领域的技术人员参考。
刘勤明，教授，博士生导师，上海理工大学管理学院工会主席，工业工程系主任，上海市青年五四奖章获得者，上海市高原学科"管理科学与工程"建设成员，上海市系统科学科研创新团队成员，上海市管理科学与工程科研创新团队成员，上海市机械工程学会工业工程专业委员会副秘书长，教育部学位中心硕士论文评审专家，上海市科技奖通讯评审专家，上海市课程思政领航团队（工业工程）负责人。长期从事故障诊断与寿命预测、人工智能、智能制造等方面研究，主持国家级、省部级等项目10余项，发表论文100余篇，其中SCI检索论文18篇，ESI高被引1篇，国家自然科学基金委员会管理类重要期刊10篇，出版专著2部，获上海市教学成果特等奖1项，国家级教学成果二等奖1项。
第1章绪论1
1.1概述1
1.2智能远程运维与故障预测2
1.3维护策略3
1.3.1预防性维护3
1.3.2状态维护5
1.3.3预测性维护8
1.3.4基于故障预测的智能系统维护9
1.3.5维护策略的选择方法11
1.4维护策略发展趋势12
本章小结13
第2章故障预测与健康管理方法14
2.1概述14
2.2基于物理模型的故障预测与健康管理方法17
2.3基于知识驱动的故障预测与健康管理方法19
2.3.1专家系统19
2.3.2模糊逻辑20
2.4基于数据驱动的故障预测与健康管理方法21
2.4.1基于人工神经网络的方法22
2.4.2贝叶斯网络方法/模型26
2.5基于模型驱动的故障预测与健康管理方法28
2.5.1隐马尔可夫模型/隐半马尔可夫模型28
2.5.2失效率和比例强度模型30
2.5.3灰色模型GM（1，1）31
2.6基于融合模型的故障预测与健康管理方法32
本章小结34
参考文献36
第3章大数据驱动的系统智能故障预测42
3.1概述42
3.2基于改进退化隐马尔可夫模型（DGHMM）的健康预测44
3.2.1DGHMM基本原理44
3.2.2设备退化过程44
3.2.3基于改进遗传算法的参数估计50
3.2.4基于DGHMM的设备剩余寿命预测53
3.2.5算例分析55
3.3基于改进隐半马尔可夫模型的健康预测59
3.3.1模型描述60
3.3.2协同进化参数估计方法64
3.3.3基于DK-MHSMM的诊断预测65
3.3.4算例分析69
3.4基于高阶隐半马尔可夫模型的健康预测79
3.4.1改进高阶隐半马尔可夫模型80
3.4.2不确定分布下的剩余寿命预测87
3.4.3算例分析88
本章小结94
参考文献95
第4章数据不完备的系统智能故障预测96
4.1概述96
4.2小样本数据不均衡情况下的故障预测97
4.2.1改进粒子群优化算法98
4.2.2非线性多分类均衡支持向量机98
4.2.3基于IPSO-BSVM的参数优化101
4.2.4基于IPSO-BSVM的小样本数据不均衡情况下的设备故障诊断方案103
4.2.5算例分析104
4.3小样本数据缺失情况下的故障预测111
4.3.1遗传算法优化支持向量回归111
4.3.2基于GA-SVR的组合预测填补113
4.3.3基于GA-SVR的小样本数据缺失情况下的设备故障诊断方案115
4.3.4算例分析117
本章小结122
参考文献123
第5章考虑备件的系统远程运维技术124
5.1概述124
5.2基于E-HSMM的系统故障预测模型125
5.2.1E-HSMM的推理与学习机制126
5.2.2基于E-HSMM的剩余寿命预测模型129
5.2.3算例分析132
5.3基于退化信息及备件库存的系统远程运维技术136
5.3.1设备退化信息及备件库存分析136
5.3.2设备双层维护决策模型139
5.3.3系统远程运维模型求解流程142
5.3.4算例分析146
本章小结149
参考文献150
第6章考虑库存缓冲区的系统远程运维技术152
6.1概述152
6.2基于三阶段时间延迟的2M1B系统远程运维技术153
6.2.1符号描述与假设153
6.2.2状态检测发生在正常运行阶段155
6.2.3状态检测发生在初始缺陷运行阶段156
6.2.4状态检测发生在严重缺陷运行阶段158
6.2.5设备故障停机之前没有进行状态检测的情况159
6.2.6成本率模型161
6.2.7算例分析161
6.3考虑缓冲区库存分配的串联生产系统远程运维技术168
6.3.1问题描述168
6.3.2符号描述与假设169
6.3.3生产线分解171
6.3.4虚拟设备失效率及维修率模型171
6.3.5成本率模型172
6.3.6生产系统远程运维模型求解流程173
6.3.7算例分析176
6.4考虑缓冲区库存分配的并联系统远程运维技术180
6.4.1问题描述180
6.4.2符号描述与假设182
6.4.3故障率模型183
6.4.4运行周期时间模型183
6.4.5生产成本率模型184
6.4.6生产系统远程运维模型求解流程185
6.4.7算例分析186
本章小结191
第7章考虑服务合同的系统远程运维技术192
7.1概述192
7.2基于服务性能合同的单部件系统远程运维技术194
7.2.1单部件系统远程运维模型195
7.2.2单部件系统远程运维模型实现流程201
7.2.3算例分析202
7.3基于服务性能合同的多部件系统远程运维技术206
7.3.1多部件系统远程运维模型206
7.3.2多部件系统远程运维模型实现流程212
7.3.3算例分析214
本章小结220
参考文献221
第8章考虑环境影响的系统远程运维技术222
8.1概述222
8.2单产品情况下考虑碳排放的系统远程运维技术224
8.2.1问题描述225
8.2.2生产系统远程运维模型227
8.2.3生产系统远程运维模型求解流程231
8.2.4算例分析231
8.3单产品情况下考虑能耗的系统远程运维技术238
8.3.1问题描述239
8.3.2生产系统远程运维模型240
8.3.3生产系统远程运维模型求解流程244
8.3.4算例分析246
8.4多产品情况下考虑能耗的系统远程运维技术250
8.4.1问题描述251
8.4.2生产系统远程运维模型253
8.4.3生产系统远程运维模型求解流程256
8.4.4算例分析256
本章小结262
参考文献262
第9章考虑相关性的系统远程运维技术263
9.1概述263
9.2单部件系统远程运维技术264
9.2.1问题描述265
9.2.2生产系统远程运维模型266
9.2.3生产系统远程运维模型求解流程268
9.2.4算例分析270
9.3基于结构相关性的多部件系统远程运维技术276
9.3.1问题描述276
9.3.2多部件系统远程运维模型277
9.3.3考虑拆卸序列的多部件系统远程运维模型279
9.3.4算例分析283
9.4基于故障相关性的多部件系统远程运维技术287
9.4.1问题描述287
9.4.2多部件设备的故障链模型287
9.4.3考虑故障相关性的多部件系统远程运维模型289
9.4.4算例分析292
本章小结296
第10章风电机组故障预测与远程运维技术298
10.1概述298
10.2考虑故障相关的风电机组远程运维技术300
10.2.1问题描述301
10.2.2风电机组远程运维模型301
10.2.3风电机组远程运维模型求解流程305
10.2.4算例分析306
10.3考虑外部冲击的风电机组远程运维技术311
10.3.1问题描述312
10.3.2子系统自然退化与冲击过程模型313
10.3.3风电机组在外部冲击作用下的期望费用模型315
10.3.4风电机组远程运维模型求解流程319
10.3.5算例分析320
10.4考虑故障相关与外部冲击的风电机组远程运维技术323
10.4.1问题描述324
10.4.2退化相关模型325
10.4.3成本率模型329
10.4.4风电机组远程运维模型求解流程333
10.4.5算例分析334
本章小结337
参考文献338
第11章高铁系统故障预测与远程运维技术340
11.1概述340
11.2基于性能退化的列车制动机故障预测341
11.2.1考虑随机失效的制动机性能退化343
11.2.2基于改进贝叶斯算法的参数估计344
11.2.3制动机剩余寿命预测348
11.2.4算例分析350
11.3基于可靠度的制动机远程运维技术358
11.3.1模型假设与符号说明359
11.3.2考虑剩余寿命的预防性维护间隔期优化360
11.3.3构建改善因子360
11.3.4维修成本分析361
11.3.5系统可用度最大化的远程运维模型363
11.3.6系统最佳可用度优化遗传算法364
11.3.7算例分析365
本章小结371
参考文献372
第12章系统远程运维技术挑战与展望373
12.1概述373
12.2系统远程运维技术的发展现状及趋势374
12.2.1PHM技术的发展374
12.2.2国内外技术发展对比375
12.2.3国内发展趋势375
12.3技术挑战377
12.3.1状态感知技术377
12.3.2状态监测技术378
12.3.3诊断和预测技术379
12.4PHM技术展望380
本章小结382
书单推荐
