故障預測與健康管理（PHM）技術可實現對保障對象的狀態監控、故障綜合診斷、故障預測、健康管理和全壽命預測等。本書通過分析當前故障預測與健康管理技術的發展現狀，介紹機械設備、電子設備故障預測與健康管理的常用方法和具體應用案例，梳理美國政府及軍事領域故障預測與健康管理相關的項目、技術和文件，為我國故障預測與健康管理技術的發展提供理論指導和有益借鑒。本書內容豐富、重點突出、注重實用性，可供相關企業及從事故障預測與健康管理的研究人員、管理人員等借鑒參考。
劉寧，山西太原人，漢族，現為軍事科學院防化研究院助理研究員。主要從事防化裝備保障研究工作。主持軍隊計劃科研項目2項，參與軍隊計劃科研項目9項，參與編寫修訂標準2部，近5年發表論文11篇，獲得國防專利2項。獲軍隊科技進步三等獎3項。
第1 部分 故障預測與健康管理的基本概況
第1 章 緒論 ....................................................................................................... 002
1.1 故障預測與健康管理概念 ................................................................... 002
1.2 故障預測與健康管理背景 ................................................................... 006
1.3 故障預測與健康管理應用 ................................................................... 009
1.4 故障預測與健康管理方法 ................................................................... 011
1.5 故障預測與健康管理優勢 ................................................................... 015
1.5.1 降低全壽命周期的成本 ............................................................ 016
1.5.2 優化系統設計的流程 ................................................................ 017
1.5.3 提升生產過程的質量 ................................................................ 018
1.5.4 增強系統運行的效果 ................................................................ 019
1.5.5 保障后勤維修的優勢 ................................................................ 020
1.6 故障預測與健康管理面臨的挑戰 ....................................................... 021
第2 部分 機械設備的故障預測與健康管理
第2 章 基于物理模型的機械設備故障預測與健康管理 ................................. 026
2.1 基于物理模型的機械設備故障預測簡介 ............................................ 027
2.2 非線性最小二乘法 ............................................................................... 029
2.3 貝葉斯方法 .......................................................................................... 037
2.3.1 馬爾可夫鏈蒙特卡羅抽樣方法 ................................................ 037
2.3.2 電池故障預測貝葉斯方法的MATLAB 實現 .......................... 042
2.4 粒子濾波 .............................................................................................. 047
2.4.1 序列重要性重采樣過程 ............................................................ 048
2.4.2 電池故障預測的粒子濾波方法的MATLAB 實現 ................... 053
2.5 基于物理模型的故障預測方法的實際應用 ........................................ 058
2.5.1 問題定義 ................................................................................... 058
2.5.2 針對裂紋擴展示例的代碼修改 ................................................ 060
2.5.3 結果 ........................................................................................... 062
2.6 基于物理模型的故障預測方法的優點和不足 .................................... 064
2.6.1 模型充分性 ............................................................................... 064
2.6.2 參數估計 ................................................................................... 066
2.6.3 退化數據質量 ........................................................................... 066
第3 章 數據驅動的機械設備故障預測與健康管理 ........................................ 067
3.1 數據驅動的機械設備故障預測簡介 ................................................... 067
3.2 高斯過程回歸 ...................................................................................... 071
3.2.1 高斯過程模擬 ........................................................................... 074
3.2.2 基于高斯過程的電池故障預測的MATLAB 實現 ................... 086
3.3 神經網絡 .............................................................................................. 090
3.3.1 前饋神經網絡模型 .................................................................... 091
3.3.2 基于神經網絡的電池故障預測的MATLAB 實現 ................... 103
3.4 數據驅動的故障預測方法的實際應用 ................................................ 107
3.4.1 問題定義 ................................................................................... 107
3.4.2 裂紋擴展示例的MATLAB 代碼 .............................................. 109
3.4.3 結果 ........................................................................................... 111
3.5 數據驅動的故障預測方法存在的問題 ................................................ 112
3.5.1 模型形式充分性 ....................................................................... 112
3.5.2 最優參數估計 ........................................................................... 113
3.5.3 退化數據的質量 ....................................................................... 114
第3 部分 電子設備的故障預測與健康管理
第4 章 故障預測與健康管理的傳感器系統 .................................................... 119
4.1 傳感器和傳感原理 ............................................................................... 119
4.1.1 熱傳感器 ................................................................................... 120
4.1.2 電傳感器 ................................................................................... 121
4.1.3 機械傳感器 ............................................................................... 122
4.1.4 濕度傳感器 ............................................................................... 122
4.1.5 生物傳感器 ............................................................................... 123
4.1.6 化學傳感器 ............................................................................... 124
4.1.7 光學傳感器 ............................................................................... 125
4.1.8 磁傳感器 ................................................................................... 126
4.2 故障預測與健康管理傳感器系統的運行 ............................................ 127
4.2.1 需要監測的參數 ....................................................................... 128
4.2.2 傳感器系統的性能 .................................................................... 128
4.2.3 傳感器系統的物理屬性 ............................................................ 129
4.2.4 傳感器系統的功能屬性 ............................................................ 129
4.2.5 成本 ........................................................................................... 134
4.2.6 可靠性 ....................................................................................... 134
4.2.7 可用性 ....................................................................................... 135
4.3 傳感器選擇 .......................................................................................... 135
4.4 故障預測與健康管理實現的傳感器系統示例 .................................... 137
第5 章 基于物理模型的電子設備故障預測與健康管理 ................................. 141
5.1 硬件配置 .............................................................................................. 142
5.2 載荷 ...................................................................................................... 142
5.3 故障模式、機制及影響分析 ............................................................... 143
5.4 應力分析 .............................................................................................. 147
5.5 可靠性評估和剩余使用壽命預測 ....................................................... 147
5.6 基于物理模型的故障預測與健康管理方法的輸出 ............................ 151
第6 章 數據驅動的電子設備故障預測與健康管理 ........................................ 152
6.1 參數統計方法 ...................................................................................... 154
6.1.1 似然比檢驗 ............................................................................... 154
6.1.2 最大似然估計 ........................................................................... 155
6.1.3 Neyman-Pearson 準則 ............................................................... 155
6.1.4 期望值最大化 ........................................................................... 156
6.1.5 最小均方差估計 ....................................................................... 156
6.1.6 最大后驗概率估計 .................................................................... 157
6.1.7 Rao-Blackwell 估計 ................................................................... 157
6.1.8 Cramer-Rao 下界 ....................................................................... 157
6.2 非參數統計方法 ................................................................................... 158
6.2.1 基于最近鄰的分類 .................................................................... 158
6.2.2 Parzen 窗（核密度估計） ........................................................ 159
6.2.3 Wilcoxon 秩和檢驗 ................................................................... 159
6.2.4 Kolmogorov-Smirnov 檢驗 ....................................................... 160
6.2.5 卡方擬合優度假設檢驗 ............................................................ 160
6.3 機器學習方法 ...................................................................................... 161
6.3.1 有監督分類 ............................................................................... 164
6.3.2 無監督分類 ............................................................................... 169
6.4 本章小結 .............................................................................................. 174
第4 部分 應用案例
第7 章 機械設備故障預測與健康管理應用案例 ............................................ 176
7.1 現場測量與關節磨損預測 ................................................................... 176
7.1.1 動機和背景 ............................................................................... 176
7.1.2 磨損模型和磨損系數 ................................................................ 177
7.1.3 曲柄滑塊機構關節磨損的現場測量 ........................................ 179
7.1.4 貝葉斯方法用于預測關節漸進磨損 ........................................ 182
7.1.5 磨損系數識別與磨損量預測 .................................................... 185
7.1.6 結論 ........................................................................................... 191
7.2 不同噪聲和偏差條件下使用貝葉斯方法識別模型參數 .................... 191
7.2.1 動機和背景 ............................................................................... 191
7.2.2 損傷增長模型和測量不確定度模型 ........................................ 192
7.2.3 貝葉斯方法用于損傷特性描述 ................................................ 195
7.2.4 結論 ........................................................................................... 201
7.3 加速壽命試驗數據在故障預測中的實際應用 .................................... 202
7.3.1 動機和背景 ............................................................................... 203
7.3.2 問題定義 ................................................................................... 204
7.3.3 加速壽命試驗數據的應用 ........................................................ 205
7.3.4 結論 ........................................................................................... 214
7.4 基于特定頻域中熵變的軸承故障預測方法 ........................................ 214
7.4.1 動機和背景 ............................................................................... 214
7.4.2 退化特征的提取方法和屬性 .................................................... 216
7.4.3 故障預測 ................................................................................... 224
7.4.4 方法通用性討論 ....................................................................... 228
7.4.5 結論和未來工作的建議 ............................................................ 230
7.5 其他應用實例 ...................................................................................... 231
第8 章 電子設備故障預測與健康管理應用案例 ............................................ 235
8.1 基于核學習的電子部件健康評估 ....................................................... 235
8.1.1 基于核的學習方法 .................................................................... 235
8.1.2 健康評估方法 ........................................................................... 237
8.1.3 實施結果 ................................................................................... 243
8.2 基于模型濾波的剩余使用壽命預測 ................................................... 257
8.2.1 故障預測問題 ........................................................................... 258
8.2.2 電路退化建模 ........................................................................... 259
8.2.3 基于模型的故障預測方法 ........................................................ 261
8.2.4 試驗結果 ................................................................................... 265
8.3 鋰離子電池的故障預測與健康管理 ................................................... 274
8.3.1 充電狀態估計 ........................................................................... 274
8.3.2 鋰離子電池故障預測 ................................................................ 289
8.3.3 結論 ........................................................................................... 295
8.4 發光二極管的故障預測與健康管理 ................................................... 295
8.4.1 發光二極管芯片級的建模和故障分析..................................... 296
8.4.2 發光二極管封裝級的建模和故障分析..................................... 303
8.4.3 發光二極管系統級的建模和故障分析..................................... 307
8.4.4 結論 ........................................................................................... 309
附錄A 美國政府及軍事領域中的故障預測與健康管理 ................................. 311
A.1 美國國家航空航天局 .......................................................................... 311
A.1.1 故障預測與健康管理方法 ....................................................... 312
A.1.2 相關出版物 .............................................................................. 313
A.2 美國桑迪亞國家實驗室 ...................................................................... 314
A.2.1 故障預測與健康管理方法 ....................................................... 314
A.2.2 相關出版物 .............................................................................. 315
A.3 美國陸軍 ............................................................................................. 315
A.3.1 故障預測與健康管理方法 ....................................................... 315
A.3.2 擴展的基于狀態的維修 ........................................................... 317
A.3.3 美國陸軍裝備系統分析局 ....................................................... 317
A.3.4 美國陸軍研究實驗室車輛技術局 ........................................... 319
A.3.5 相關出版物 .............................................................................. 323
A.4 美國海軍 ............................................................................................. 327
A.4.1 故障預測與健康管理方法 ....................................................... 327
A.4.2 相關出版物 .............................................................................. 329
A.5 美國空軍 ............................................................................................. 329
A.5.1 故障預測與健康管理方法 ....................................................... 330
A.5.2 相關出版物 .............................................................................. 332
附錄B 故障預測與健康管理相關的期刊和會議清單 ..................................... 333
B.1 期刊 ..................................................................................................... 333
B.2 會議論文集 .......................................................................................... 334
參考文獻 ............................................................................................................... 336
新書資訊