數(shù)據(jù)驅(qū)動的設(shè)備剩余壽命預測理論及應(yīng)用

第1章 緒論
1．1 引言
1．2 預測與健康管理的研究進展
1．3 數(shù)據(jù)驅(qū)動的剩余壽命預測綜述
1．3．1 基于直接監(jiān)測數(shù)據(jù)的剩余壽命預測
1．3．2 基于間接監(jiān)測數(shù)據(jù)的剩余壽命預測
1．4 本書概況
第2章 壽命預測性能約束下的數(shù)據(jù)測量誤差可行域分析
2．1 引言
2．2 問題提出和基本定義
2．2．1 問題提出
2．2．2 基本定義
2．3 考慮測量誤差和不考慮測量誤差時壽命預測的性質(zhì)
2．3．1 不考慮測量誤差時壽命預測的性質(zhì)
2．3．2 考慮測量誤差時壽命預測的性質(zhì)
2．4 壽命預測性能約束下測量誤差參數(shù)的可行域
2．4．1 考慮與不考慮測量誤差時壽命預測差異的性能測度
2．4．2 變化系數(shù)相對增加率下測量誤差參數(shù)的可行域
2．4．3 方差相對增加率下測量誤差參數(shù)的可行域
2．4．4 相似性測度下測量誤差參數(shù)的可行域
2．5 帶隨機測量誤差的壽命預測對維修決策的影響
2．6 實例研究
2．6．1 數(shù)值例子
2．6．2 慣性導航系統(tǒng)實例驗證
第3章 線性隨機退化設(shè)備的剩余壽命自適應(yīng)預測方法
3．1 引言
3．2 線性隨機退化設(shè)備的退化建模
3．2．1 基于線性隨機退化模型的壽命分析方法概述
3．2．2 線性隨機退化設(shè)備建模
3．3 剩余壽命自適應(yīng)預測
3．4 隨機模型參數(shù)估計算法及其收斂性分析
3．4．1 期望最大化算法
3．4．2 線性隨機退化模型參數(shù)自適應(yīng)估計算法
3．4．3 模型參數(shù)自適應(yīng)估計算法的收斂性分析
3．5 實例研究
3．5．1 問題描述
3．5．2 慣性導航系統(tǒng)剩余壽命預測結(jié)果
3．5．3 比較研究
第4章 線性隨機退化設(shè)備剩余壽命預測的精確封閉解
4．1 引言
4．2 依賴于退化軌跡的剩余壽命自適應(yīng)預測方法
4．2．1 基于隨機過程的退化模型的一般性描述
4．2．2 依賴于退化軌跡的剩余壽命自適應(yīng)預測方法
4．3 線性隨機退化模型及剩余壽命預測
4．4 指數(shù)隨機退化模型及剩余壽命預測
4．5 驗證研究
4．5．1 數(shù)值例子
4．5．2 慣性導航系統(tǒng)實例研究
第5章 多層不確定性下的設(shè)備剩余壽命預測方法
5．1 引言
5．2 問題描述
5．3 三層不確定性下設(shè)備的剩余壽命預測
5．3．1 情況1時的剩余壽命預測
5．3．2 情況2時的剩余壽命預測
5．3．3 情況3：三層不確定性下的剩余壽命預測
5．4 模型參數(shù)可辨識性與估計方法
5．5 實例研究
5．5．1 實例問題描述
5．5．2 模型擬合度比較
5．5．3 剩余壽命預測比較
第6章 非線性隨機退化建模與剩余壽命預測方法
6．1 引言
6．2 啟發(fā)性實例與非線性隨機退化建模
6．2．1 啟發(fā)性實例
6．2．2 非線性隨機退化過程建模
6．3 非線性隨機退化設(shè)備的剩余壽命預測
6．3．1 壽命分布的推導
6．3．2 考慮個體差異時的剩余壽命預測
6．3．3 考慮測量不確定性時的剩余壽命預測
6．4 非線性隨機退化模型的參數(shù)估計
6．5 實例研究
6．5．1 激光發(fā)生器的退化數(shù)據(jù)
6．5．2 航空鋁合金材料A2017-T4的疲勞裂紋增長數(shù)據(jù)
6．5．3 慣性導航系統(tǒng)陀螺儀漂移退化數(shù)據(jù)
第7章 隱含非線性退化建模與剩余壽命在線預測方法
7．1 引言
7．2 問題描述與剩余壽命預測
7．2．1 問題描述
7．2．2 剩余壽命預測
7．3 參數(shù)在線估計算法
7．4 三種非線性函數(shù)下的具體實現(xiàn)
7．4．1 三種非線性函數(shù)形式下剩余壽命分布的推導
7．4．2 三種狀態(tài)空間模型對應(yīng)的參數(shù)估計方法-
7．5 數(shù)值算例
7．5．1 數(shù)值仿真驗證
7．5．2 補充的數(shù)值算例
7．6 實例驗證
7．6．1 問題描述
7．6．2 實驗結(jié)果分析
第8章 存在狀態(tài)切換的設(shè)備剩余儲存壽命預測方法
8．1 引言
8．2 問題描述
8．3 設(shè)備儲存一工作狀態(tài)切換過程建模
8．3．1 隨機時變的設(shè)備運行過程
8．3．2 設(shè)備運行過程參數(shù)的Bayesian估計
8．4 設(shè)備退化過程建模與剩余儲存壽命預測
8．4．1 固定設(shè)備運行過程與模型參數(shù)下的剩余儲存壽命預測
8．4．2 退化過程參數(shù)的Bayesian估計
8．4．3 隨機時變設(shè)備運行過程下的剩余儲存壽命預測
8．5 實例研究
8．5．1 問題背景與數(shù)據(jù)描述
8．5．2 結(jié)果與討論
附錄A 方程（2．101）和方程（2．102）的推導
附錄B 引理5．2和引理5．3的證明
參考文獻