故障預測與健康管理技術及應用案例分析 劉甯 羅坤 張成名 9787121445392 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202209*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：故障預測與健康管理技術及應用案例分析
ISBN：9787121445392
出版社：電子工業
著編譯者：劉甯 羅坤 張成名
叢書名：系統科學與裝備工程系列叢書
頁數：Ⅹ, 354頁
所在地：中國大陸 *此為代購商品
書號：1515390
可大量預訂，請先連絡。

內容簡介

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。

目錄

第1部分 故障預測與健康管理的基本概況
第1章 緒論
1 1 故障預測與健康管理概念
1 2 故障預測與健康管理背景
1 3 故障預測與健康管理應用
1 4 故障預測與健康管理方法
1 5 故障預測與健康管理優勢
1 5 1 降低全壽命周期的成本
1 5 2 優化系統設計的流程
1 5 3 提升生產過程的質量
1 5 4 增強系統運行的效果
1 5 5 保障後勤維修的優勢
1 6 故障預測與健康管理面臨的挑戰
第2部分 機械設備的故障預測與健康管理
第2章 基於物理模型的機械設備故障預測與健康管理
2 1 基於物理模型的機械設備故障預測簡介
2 2 非線性最小二乘法
2 3 貝葉斯方法
2 3 1 馬爾可夫鏈蒙特卡羅抽樣方法
2 3 2 電池故障預測貝葉斯方法的MATLAB實現
2 4 粒子濾波
2 4 1 序列重要性重採樣過程
2 4 2 電池故障預測的粒子濾波方法的MATLAB實現
2 5 基於物理模型的故障預測方法的實際應用
2 5 1 問題定義
2 5 2 針對裂紋擴展示例的代碼修改
2 5 3 結果
2 6 基於物理模型的故障預測方法的優點和不足
2 6 1 模型充分性
2 6 2 參數估計
2 6 3 退化數據質量
第3章 數據驅動的機械設備故障預測與健康管理
3 1 數據驅動的機械設備故障預測簡介
3 2 高斯過程回歸
3 2 1 高斯過程模擬
3 2 2 基於高斯過程的電池故障預測的MATLAB實現
3 3 神經網絡
3 3 1 前饋神經網絡模型
3 3 2 基於神經網絡的電池故障預測的MATLAB實現
3 4 數據驅動的故障預測方法的實際應用
3 4 1 問題定義
3 4 2 裂紋擴展示例的MATLAB代碼
3 4 3 結果
3 5 數據驅動的故障預測方法存在的問題
3 5 1 模型形式充分性
3 5 2 最優參數估計
3 5 3 退化數據的質量
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感測器系統
4 1 感測器和感測原理
4 1 1 熱感測器
4 1 2 電感測器
4 1 3 機械感測器
4 1 4 濕度感測器
4 1 5 生物感測器
4 1 6 化學感測器
4 1 7 光學感測器
4 1 8 磁感測器
4 2 故障預測與健康管理感測器系統的運行
4 2 1 需要監測的參數
4 2 2 感測器系統的性能
4 2 3 感測器系統的物理屬性
4 2 4 感測器系統的功能屬性
4 2 5 成本
4 2 6 可靠性
4 2 7 可用性
4 3 感測器選擇
4 4 故障預測與健康管理實現的感測器系統示例
第5章 基於物理模型的電子設備故障預測與健康管理
5 1 硬體配置
5 2 載荷
5 3 故障模式、機制及影響分析
5 4 應力分析
5 5 可靠性評估和剩餘使用壽命預測
5 6 基於物理模型的故障預測與健康管理方法的輸出
第6章 數據驅動的電子設備故障預測與健康管理
6 1 參數統計方法
6 1 1 似然比檢驗
6 1 2 最大似然估計
6 1 3 Neyman-Pearson準則
6 1 4 期望值最大化
6 1 5 最小均方差估計
6 1 6 最大后驗概率估計
6 1 7 Rao-Blackwell估計
6 1 8 Cramer-Rao下界
6 2 非參數統計方法
6 2 1 基於最近鄰的分類
6 2 2 Parzen窗（核密度估計）
6 2 3 Wilcoxon秩和檢驗
6 2 4 Kolmogorov-Smirnov檢驗
6 2 5 卡方擬合優度假設檢驗
6 3 機器學習方法
6 3 1 有監督分類
6 3 2 無監督分類
6 4 本章小結
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
7 1 現場測量與關節磨損預測
7 1 1 動機和背景
7 1 2 磨損模型和磨損係數
7 1 3 曲柄滑塊機構關節磨損的現場測量
7 1 4 貝葉斯方法用於預測關節漸進磨損
7 1 5 磨損係數識別與磨損量預測
7 1 6 結論
7 2 不同雜訊和偏差條件下使用貝葉斯方法識別模型參數
7 2 1 動機和背景
7 2 2 損傷增長模型和測量不確定度模型
7 2 3 貝葉斯方法用於損傷特性描述
7 2 4 結論
7 3 加速壽命試驗數據在故障預測中的實際應用
7 3 1 動機和背景
7 3 2 問題定義
7 3 3 加速壽命試驗數據的應用
7 3 4 結論
7 4 基於特定頻域中熵變的軸承故障預測方法
7 4 1 動機和背景
7 4 2 退化特徵的提取方法和屬性
7 4 3 故障預測
7 4 4 方法通用性討論
7 4 5 結論和未來工作的建議
7 5 其他應用實例
第8章 電子設備故障預測與健康管理應用案例
8 1 基於核學習的電子部件健康評估
8 1 1 基於
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。