目錄第 1 章 緒論

1.1 研究背景及意義

1.2 國(guó)內(nèi)外研究現(xiàn)狀

1.2.1 設(shè)備退化建模的研究現(xiàn)狀

1.2.2 先驗(yàn)參數(shù)估計(jì)的研究現(xiàn)狀

1.2.3 剩余壽命預(yù)測(cè)的研究現(xiàn)狀

1.2.4 預(yù)測(cè)維修決策的研究現(xiàn)狀

第 2 章 退化數(shù)據(jù)驅(qū)動(dòng)的機(jī)載設(shè)備剩余壽命預(yù)測(cè)過(guò)程分析

2.1 引言

2.2 機(jī)載設(shè)備退化特性分析

2.2.1 機(jī)載設(shè)備主要失效模式

2.2.2 機(jī)載設(shè)備隨機(jī)退化過(guò)程

2.3 考慮個(gè)體差異的設(shè)備非線性退化建模

2.3.1 線性 Wiener 退化模型

2.3.2 非線性 Wiener 退化模型

2.3.3 考慮個(gè)體差異的非線性 Wiener 退化模型

2.4 先驗(yàn)參數(shù)估計(jì)

2.4.1 基于 MLE 算法的參數(shù)估計(jì)

2.4.2 基于 EM 算法的參數(shù)估計(jì)

2.5 設(shè)備剩余壽命預(yù)測(cè)

2.5.1 基于貝葉斯原理的設(shè)備退化狀態(tài)在線更新

2.5.2 基于首達(dá)時(shí)分布的設(shè)備剩余壽命分布推導(dǎo)

第 3 章 隨機(jī)失效閾值影響下機(jī)載設(shè)備剩余壽命預(yù)測(cè)方法

3.1 引言

3.2 考慮測(cè)量誤差與個(gè)體差異的設(shè)備退化建模

3.2.1 考慮測(cè)量誤差與個(gè)體差異的非線性 Wiener 退化模型

3.2.2 測(cè)量誤差影響下的非線性 Wiener 退化過(guò)程特征分析

3.3 基于 EM 算法的參數(shù)估計(jì)

3.3.1 退化模型先驗(yàn)參數(shù)估計(jì)

3.3.2 失效閾值分布參數(shù)估計(jì)

3.4 考慮隨機(jī)失效閾值影響的設(shè)備剩余壽命預(yù)測(cè)

3.4.1 基于 KF 算法的退化狀態(tài)在線更新

3.4.2 考慮隨機(jī)失效閾值的剩余壽命分布推導(dǎo)

3.5 算例分析

3.5.1 數(shù)值仿真示例

3.5.2 燃油泵實(shí)例

第 4 章 考慮隨機(jī)失效閾值與多源退化數(shù)據(jù)融合的機(jī)載設(shè)備剩余壽命預(yù)測(cè)方法

4.1 引言

4.2 健康指標(biāo)構(gòu)建

4.2.1 退化數(shù)據(jù)預(yù)處理

4.2.2 退化數(shù)據(jù)建模

4.2.3 退化參數(shù)估計(jì)

4.2.4 融合系數(shù)確定

4.3 剩余壽命預(yù)測(cè)

4.3.1 參數(shù)在線更新

4.3.2 剩余壽命分布推導(dǎo)

4.4 算例分析

第 5 章 不完全維護(hù)影響下載設(shè)備剩余壽命預(yù)測(cè)方法

5.1 引言

5.2 融入不完全維護(hù)效果的設(shè)備退化建模

5.2.1 考慮復(fù)合非齊次泊松過(guò)程的不完全維護(hù)模型

5.2.2 基于不完全維護(hù)影響的隨機(jī)退化模型

5.3 基于 EM 算法和 MLE 算法的參數(shù)聯(lián)合估計(jì)

5.3.1 基于 EM 算法的退化模型先驗(yàn)參數(shù)估計(jì)

5.3.2 基于 MLE 算法的不完全維護(hù)模型參數(shù)估計(jì)

5.4 融入不完全維護(hù)效果的設(shè)備剩余壽命預(yù)測(cè)

5.4.1 基于貝葉斯原理的退化狀態(tài)在線更新

5.4.2 融入不完全維護(hù)效果的剩余壽命分布推導(dǎo)

5.5 算例分析

5.5.1 數(shù)值仿真示例

5.5.2 陀螺儀實(shí)例

第 6 章 基于比例加速退化的機(jī)載設(shè)備剩余壽命預(yù)測(cè)方法

6.1 引言

6.2 基于比例關(guān)系的設(shè)備加速退化建模

6.2.1 比例退化模型

6.2.2 加速模型

6.2.3 比例加速退化模型

6.3 基于不同樣本量的參數(shù)估計(jì)

6.3.1 基于單臺(tái)同類(lèi)設(shè)備加速退化數(shù)據(jù)的參數(shù)估計(jì)

6.3.2 基于多臺(tái)設(shè)備加速退化數(shù)據(jù)的參數(shù)自適應(yīng)估計(jì)

6.4 基于比例加速退化建模的設(shè)備剩余壽命預(yù)測(cè)

6.4.1 基于 KF 算法的退化狀態(tài)在線更新

6.4.2 基于比例加速退化建模的剩余壽命分布推導(dǎo)

6.5 算例分析

6.5.1 單臺(tái)行波管實(shí)例

6.5.2 多臺(tái) MEMS 陀螺儀實(shí)例

第 7 章 基于 LSTM 網(wǎng)絡(luò)與隨機(jī)退化建模的機(jī)載設(shè)備剩余壽命預(yù)測(cè)方法

7.1 引言

7.2 隨機(jī)退化建模與漂移增量提取

7.3 基于 LSTM 網(wǎng)絡(luò)的漂移增量預(yù)測(cè)

7.4 參數(shù)估計(jì)與剩余壽命預(yù)測(cè)

7.4.1 擴(kuò)散系數(shù)估計(jì)

7.4.2 剩余壽命分布推導(dǎo)

7.5 算例分析

7.5.1 漂移增量提取對(duì)剩余壽命預(yù)測(cè)的影響

7.5.2 漂移量導(dǎo)數(shù)近似對(duì)剩余壽命預(yù)測(cè)的影響

第 8 章 基于剩余壽命預(yù)測(cè)的機(jī)載設(shè)備維修策略優(yōu)化方法

8.1 更新報(bào)酬理論

8.1.1 更新過(guò)程

8.1.2 更新報(bào)酬過(guò)程

8.2 考慮換件時(shí)機(jī)的設(shè)備維修決策模型

8.2.1 維修決策過(guò)程分析

8.2.2 維修決策模型構(gòu)建

8.2.3 實(shí)例分析

8.3 考慮換件閾值和檢測(cè)周期的設(shè)備維修決策模型

8.3.1 維修決策過(guò)程分析

8.3.2 維修決策模型構(gòu)建

8.3.3 實(shí)例分析

8.4 考慮換件時(shí)機(jī)和備件訂購(gòu)時(shí)機(jī)的設(shè)備維修決策模型

8.4.1 維修決策過(guò)程分析

8.4.2 維修決策模型構(gòu)建

8.4.3 實(shí)例分析

參考文獻(xiàn)