智能制造是制造業的未來方向，而體現智能之處就是生產線的“自主”運行及遠程控制。本書綜合相關基礎知識、健康管理與遠程運維技術，結合工程實踐，形成了一個智能系統遠程運維決策框架。基于健康管理思想，提出了數據完備和數據不完備兩種情況下的系統故障診斷模型；基于故障診斷，分別從考慮備件、緩沖庫存、服務合同、部件相關性、環境等角度提出了運維技術與模型，并對各個模型的效能以及準確性進行了分析。
本書適宜從事制造業及相關領域的技術人員參考。
劉勤明，教授，博士生導師，上海理工大學管理學院工會主席，工業工程系主任，上海市青年五四獎章獲得者，上海市高原學科"管理科學與工程"建設成員，上海市系統科學科研創新團隊成員，上海市管理科學與工程科研創新團隊成員，上海市機械工程學會工業工程專業委員會副秘書長，教育部學位中心碩士論文評審專家，上海市科技獎通訊評審專家，上海市課程思政領航團隊（工業工程）負責人。長期從事故障診斷與壽命預測、人工智能、智能制造等方面研究，主持國家級、省部級等項目10余項，發表論文100余篇，其中SCI檢索論文18篇，ESI高被引1篇，國家自然科學基金委員會管理類重要期刊10篇，出版專著2部，獲上海市教學成果特等獎1項，國家級教學成果二等獎1項。
第1章緒論1
1.1概述1
1.2智能遠程運維與故障預測2
1.3維護策略3
1.3.1預防性維護3
1.3.2狀態維護5
1.3.3預測性維護8
1.3.4基于故障預測的智能系統維護9
1.3.5維護策略的選擇方法11
1.4維護策略發展趨勢12
本章小結13
第2章故障預測與健康管理方法14
2.1概述14
2.2基于物理模型的故障預測與健康管理方法17
2.3基于知識驅動的故障預測與健康管理方法19
2.3.1專家系統19
2.3.2模糊邏輯20
2.4基于數據驅動的故障預測與健康管理方法21
2.4.1基于人工神經網絡的方法22
2.4.2貝葉斯網絡方法/模型26
2.5基于模型驅動的故障預測與健康管理方法28
2.5.1隱馬爾可夫模型/隱半馬爾可夫模型28
2.5.2失效率和比例強度模型30
2.5.3灰色模型GM（1，1）31
2.6基于融合模型的故障預測與健康管理方法32
本章小結34
參考文獻36
第3章大數據驅動的系統智能故障預測42
3.1概述42
3.2基于改進退化隱馬爾可夫模型（DGHMM）的健康預測44
3.2.1DGHMM基本原理44
3.2.2設備退化過程44
3.2.3基于改進遺傳算法的參數估計50
3.2.4基于DGHMM的設備剩余壽命預測53
3.2.5算例分析55
3.3基于改進隱半馬爾可夫模型的健康預測59
3.3.1模型描述60
3.3.2協同進化參數估計方法64
3.3.3基于DK-MHSMM的診斷預測65
3.3.4算例分析69
3.4基于高階隱半馬爾可夫模型的健康預測79
3.4.1改進高階隱半馬爾可夫模型80
3.4.2不確定分布下的剩余壽命預測87
3.4.3算例分析88
本章小結94
參考文獻95
第4章數據不完備的系統智能故障預測96
4.1概述96
4.2小樣本數據不均衡情況下的故障預測97
4.2.1改進粒子群優化算法98
4.2.2非線性多分類均衡支持向量機98
4.2.3基于IPSO-BSVM的參數優化101
4.2.4基于IPSO-BSVM的小樣本數據不均衡情況下的設備故障診斷方案103
4.2.5算例分析104
4.3小樣本數據缺失情況下的故障預測111
4.3.1遺傳算法優化支持向量回歸111
4.3.2基于GA-SVR的組合預測填補113
4.3.3基于GA-SVR的小樣本數據缺失情況下的設備故障診斷方案115
4.3.4算例分析117
本章小結122
參考文獻123
第5章考慮備件的系統遠程運維技術124
5.1概述124
5.2基于E-HSMM的系統故障預測模型125
5.2.1E-HSMM的推理與學習機制126
5.2.2基于E-HSMM的剩余壽命預測模型129
5.2.3算例分析132
5.3基于退化信息及備件庫存的系統遠程運維技術136
5.3.1設備退化信息及備件庫存分析136
5.3.2設備雙層維護決策模型139
5.3.3系統遠程運維模型求解流程142
5.3.4算例分析146
本章小結149
參考文獻150
第6章考慮庫存緩沖區的系統遠程運維技術152
6.1概述152
6.2基于三階段時間延遲的2M1B系統遠程運維技術153
6.2.1符號描述與假設153
6.2.2狀態檢測發生在正常運行階段155
6.2.3狀態檢測發生在初始缺陷運行階段156
6.2.4狀態檢測發生在嚴重缺陷運行階段158
6.2.5設備故障停機之前沒有進行狀態檢測的情況159
6.2.6成本率模型161
6.2.7算例分析161
6.3考慮緩沖區庫存分配的串聯生產系統遠程運維技術168
6.3.1問題描述168
6.3.2符號描述與假設169
6.3.3生產線分解171
6.3.4虛擬設備失效率及維修率模型171
6.3.5成本率模型172
6.3.6生產系統遠程運維模型求解流程173
6.3.7算例分析176
6.4考慮緩沖區庫存分配的并聯系統遠程運維技術180
6.4.1問題描述180
6.4.2符號描述與假設182
6.4.3故障率模型183
6.4.4運行周期時間模型183
6.4.5生產成本率模型184
6.4.6生產系統遠程運維模型求解流程185
6.4.7算例分析186
本章小結191
第7章考慮服務合同的系統遠程運維技術192
7.1概述192
7.2基于服務性能合同的單部件系統遠程運維技術194
7.2.1單部件系統遠程運維模型195
7.2.2單部件系統遠程運維模型實現流程201
7.2.3算例分析202
7.3基于服務性能合同的多部件系統遠程運維技術206
7.3.1多部件系統遠程運維模型206
7.3.2多部件系統遠程運維模型實現流程212
7.3.3算例分析214
本章小結220
參考文獻221
第8章考慮環境影響的系統遠程運維技術222
8.1概述222
8.2單產品情況下考慮碳排放的系統遠程運維技術224
8.2.1問題描述225
8.2.2生產系統遠程運維模型227
8.2.3生產系統遠程運維模型求解流程231
8.2.4算例分析231
8.3單產品情況下考慮能耗的系統遠程運維技術238
8.3.1問題描述239
8.3.2生產系統遠程運維模型240
8.3.3生產系統遠程運維模型求解流程244
8.3.4算例分析246
8.4多產品情況下考慮能耗的系統遠程運維技術250
8.4.1問題描述251
8.4.2生產系統遠程運維模型253
8.4.3生產系統遠程運維模型求解流程256
8.4.4算例分析256
本章小結262
參考文獻262
第9章考慮相關性的系統遠程運維技術263
9.1概述263
9.2單部件系統遠程運維技術264
9.2.1問題描述265
9.2.2生產系統遠程運維模型266
9.2.3生產系統遠程運維模型求解流程268
9.2.4算例分析270
9.3基于結構相關性的多部件系統遠程運維技術276
9.3.1問題描述276
9.3.2多部件系統遠程運維模型277
9.3.3考慮拆卸序列的多部件系統遠程運維模型279
9.3.4算例分析283
9.4基于故障相關性的多部件系統遠程運維技術287
9.4.1問題描述287
9.4.2多部件設備的故障鏈模型287
9.4.3考慮故障相關性的多部件系統遠程運維模型289
9.4.4算例分析292
本章小結296
第10章風電機組故障預測與遠程運維技術298
10.1概述298
10.2考慮故障相關的風電機組遠程運維技術300
10.2.1問題描述301
10.2.2風電機組遠程運維模型301
10.2.3風電機組遠程運維模型求解流程305
10.2.4算例分析306
10.3考慮外部沖擊的風電機組遠程運維技術311
10.3.1問題描述312
10.3.2子系統自然退化與沖擊過程模型313
10.3.3風電機組在外部沖擊作用下的期望費用模型315
10.3.4風電機組遠程運維模型求解流程319
10.3.5算例分析320
10.4考慮故障相關與外部沖擊的風電機組遠程運維技術323
10.4.1問題描述324
10.4.2退化相關模型325
10.4.3成本率模型329
10.4.4風電機組遠程運維模型求解流程333
10.4.5算例分析334
本章小結337
參考文獻338
第11章高鐵系統故障預測與遠程運維技術340
11.1概述340
11.2基于性能退化的列車制動機故障預測341
11.2.1考慮隨機失效的制動機性能退化343
11.2.2基于改進貝葉斯算法的參數估計344
11.2.3制動機剩余壽命預測348
11.2.4算例分析350
11.3基于可靠度的制動機遠程運維技術358
11.3.1模型假設與符號說明359
11.3.2考慮剩余壽命的預防性維護間隔期優化360
11.3.3構建改善因子360
11.3.4維修成本分析361
11.3.5系統可用度最大化的遠程運維模型363
11.3.6系統最佳可用度優化遺傳算法364
11.3.7算例分析365
本章小結371
參考文獻372
第12章系統遠程運維技術挑戰與展望373
12.1概述373
12.2系統遠程運維技術的發展現狀及趨勢374
12.2.1PHM技術的發展374
12.2.2國內外技術發展對比375
12.2.3國內發展趨勢375
12.3技術挑戰377
12.3.1狀態感知技術377
12.3.2狀態監測技術378
12.3.3診斷和預測技術379
12.4PHM技術展望380
本章小結382
新書資訊