设备剩余寿命预测与最优维修决策

第1章 绪论
1．1 引言
1．2 设备寿命预测
1．2．1 寿命预测的基本概念
1．2．2 新研设备定寿技术
1．2．3 工作状态下设备剩余寿命预测研究现状
1．2．4 设备贮存寿命预测研究现状
1．3 设备维修决策
1．3．1 维修的定义和分类
1．3．2 单部件系统维修决策
1．3．3 多部件系统维修决策
参考文献

第2章 带非线性漂移的维纳退化过程建模与剩余寿命预测
2．1 维纳退化过程的定义
2．2 带非线性漂移的维纳退化过程模型
2．3 带非线性漂移的维纳退化过程剩余寿命预测
2．4 带非线性漂移的维纳退化过程模型参数估计
2．4．1 估计共性参数以及随机参数分布的超参数
2．4．2 基于贝叶斯更新策略的随机参数实时更新
2．5 实例分析
2．5．1 问题描述
2．5．2 结果与讨论
2．6 本章小结
参考文献

第3章 含突变点维纳性能退化过程建模与剩余寿命预测
3．1 含突变点维纳性能退化过程模型描述
3．1．1 设备的退化建模与剩余寿命预测
3．1．2 性能退化过程中的变点检测
3．1．3 设备的退化模型——维纳过程
3．1．4 指数族先验分布的共轭分布
3．2 含突变点维纳性能退化过程突变点检测
3．2．1 贝叶斯在线变点检测算法
3．2．2 先验分布的经验贝叶斯确定方法
3．2．3 EM算法
3．3 基于贝叶斯在线变点检测的剩余寿命预测方法
3．4 实例分析
3．5 本章小结
参考文献

第4章 伽玛退化过程建模与剩余寿命预测
4．1 伽玛退化过程的定义
4．2 伽玛退化过程的参数估计
4．2．1 矩估计法
4．2．2 极大似然估计法
4．3 基于伽玛退化过程的设备剩余寿命预测
4．3．1 寿命分布
4．3．2 剩余寿命分布
4．3．3 可靠度函数
4．3．4 实例验证
4．4 存在环境影响时伽玛性能退化过程建模和维修
4．4．1 问题描述
4．4．2 存在外部环境影响时伽玛性能退化过程剩余寿命分布计算
4．4．3 存在外部环境影响时基于伽玛性能退化过程的维修决策
4．5 本章小结
参考文献

第5章 逆高斯退化过程建模与剩余寿命预测
5．1 逆高斯退化过程的定义
5．2 基于ER融合的逆高斯退化模型参数估计方法
5．2．1 单个设备逆高斯退化过程参数估计
5．2．2 基于证据推理的固定参数融合
5．3 剩余寿命分布计算
5．4 实验验证
5．5 本章小结
参考文献

第6章 基于支持向量机的性能退化建模与剩余寿命预测
6．1 SVR原理
6．1．1 原始问题与对偶问题
6．1．2 svR的稀疏性
6．1．3 核函数
6．2 基于GA优化sVR的退化建模和剩余寿命预测方法
6．2．1 问题描述
6．2．2 基本思路
6．2．3 方法的具体步骤
6．2．4 实例分析
6．3 基于sVR和FcM聚类的实时退化建模和剩余寿命预测方法
6．3．1 问题描述
6．3．2 基本思路与具体步骤
6．3．3 实例分析
6．4 本章小结
参考文献

第7章 基于相关向量机模糊模型的性能退化建模与剩余寿命预测
7．1 相关向量机模糊模型数学描述及特性分析
7．1．1 模糊模型数学描述
7．1．2 基于相关向量机的模糊模型
7．1．3 相关向量机模糊模型的一致逼近性
7．2 相关向量机模糊模型辨识
7．2．1 结构辨识
7．2．2 参数辨识
7．2．3 基于相关向量机和梯度下降方法的模糊模型辨识算法
7．3 基于相关向量机模糊模型的退化建模与剩余寿命预测
7．4 实验验证
7．4．1 连续釜式搅拌器仿真系统描述
7．4．2 仿真实验及其结果
7．4．3 结果分析
7．5 本章小结
参考文献

第8章 基于证据推理的性能退化建模与可靠性预测
8．1 基于证据推理的性能退化建模
8．1．1 预测模型结构与表达形式
8．1．2 基于证据推理的性能退化建模与预测
8．1．3 基于效用的数值型输出
8．2 基于EM算法在线更新ER模型的可靠性预测
8．2．1 基于判断性输出的递归参数估计算法
8．2．2 基于数值输出的递归参数估计算法
8．3 案例研究
8．3．1 问题描述
8．3．2 可靠性数据的参考点
8．3．3 退化建模与预测模型
8．3．4 基于判断性输出的仿真结果
8．3．5 基于数值输出的仿真结果
8．4 本章小结
参考文献

第9章 权值选优粒子滤波性能退化建模与剩余寿命预测
9．1 权值选优粒子滤波算法
9．1．1 粒子滤波算法及特性分析
9．1．2 权值选优粒子滤波算法
9．2 权值选优粒子滤波性能退化建模
9．2．1 性能退化过程描述
9．2．2 性能退化过程参数估计
9．3 权值选优粒子滤波剩余寿命预测
9．4 仿真研究
9．5 本章小结
参考文献

第10章 基于灰色预测模型的性能退化建模与剩余寿命预测
10．1 灰色预测模型
10．1．1 经典的灰色预测模型GM（1，1）
10．1．2 改进的灰色模型
10．2 基于改进灰色模型的剩余寿命预测
10．3 基于改进灰色模型的惯性器件性能退化轨迹建模
10．4 本章小结
参考文献

第11章 基于寿命预测信息的退化设备检测策略及应用
11．1 设备检测策略及其化目标函数
11．2 基于剩余寿命预测的退化设备检测策略
11．2．1 G（x）已知时设备的检测周期
11．2．2 G（x）未知时设备的检测周期
11．3 基于寿命预测信息的惯性平台的检测策略
11．4 本章小结
参考文献

第12章 资源有限情形下两部件系统的合作预测维修
12．1 资源有限情形下两部件系统合作预测维修策略描述
12．1．1 基于寿命预测信息的期望失效次数估计
12．1．2 资源有限与失效模式相互影响情形下的维修效果建模
12．2 预测维修目标函数建立及其优化求解
12．2．1 目标函数建立
12．2．2 费用率函数优化求解
12．3 数值仿真
12．4 本章小结
参考文献

保障复杂工程设备安全可靠地运行是设备研制、使用人员共同的目标，设备性能退化规律建模、故障预报、剩余寿命预测与维修可以把设备故障的发现、预防、维护做在事前，成为设备可靠性工程、安全性工程、维修性工程与管理工程的前沿研究方向，但这个研究方向所涉及的问题也是一些有相当难度、富有挑战的问题。
　　本书作者及团队早在2002年就开始探索基于设备历史监检测数据建立设备性能退化规律模型、剩余寿命预测模型和维修决策模型。其主要动因有几个方面：一是因为缺少科学的定寿基础理论的支持，许多设备的设计给定寿命非常保守（被严重低估），导致超过给定寿命的“超期”服役产品继续使用缺少依据，报废又造成严重浪费，工程实践迫切想要破解科学确定设备准确寿命这一难题，呼唤提出准确确定设备科学寿命的方法。二是已有的一些定寿方法因为各类原因，在解决工程问题时碰到了不好用或无法用的困难，例如，机理模型定寿方法获得的设备寿命信息很准确，但对复杂工程设备而言，要建立或获得设备的机理模型不仅十分困难，而且代价很高，有时几乎不可能实现。加速实验统计分析的寿命分析方法也可以在相对较短的时间内获得关于设备寿命的较准确信息，但对于航空航天领域高成本、长寿命设备类型而言，注定不可能投入大量的子样进行寿命试验，基于小子样数据得到的统计寿命结果必然存在较大的偏差。近年来逐步得到发展的基于性能退化数据的设备健康管理、性能退化规律建模、剩余寿命预测与维修决策分析方法，为解决上述困境提供了一条可行的解决思路，因为设备的性能退化数据可以通过设备研制、定型试验、储存使用中对反映设备性能状况的参量进行监检测而获得，这样就大大拓宽了可用数据的来源，数据来源的丰富为获得更贴近工程实际的寿命预测结果提供了可能，但随之而来的问题是需要新的处理这类数据以获得关于设备性能退化规律建模、剩余寿命预测与维修决策分析的基础理论方法来支撑。从2002年开始，作者带领研究生开展了这方面的探索，先后有30余名博士、硕士研究生开展有关研究，他们的学位论文工作为本书的完成提供了重要的参考，本书内容正是作者团队在该领域十多年研究成果的系统总结。他们包括吕瑛洁等的一些早期的探索，张正新、张建勋、王志远等在维纳退化过程建模方面的一些工作，陈亮、张佳等在伽玛退化过程建模方面的工作，司小胜、李明福等在逆高斯退化过程建模方面的工作，张琪在权值优选粒子滤波方面的工作，蔡艳玲、胡友涛、陈伟等在支持向量机方面的工作，司小胜、周志杰等在基于证据推理的退化建模方面的工作等。这些研究工作中的有些内容已经单独出版，如博士生司小胜的博士论文“随机退化系统的剩余寿命预测”已经单独出版，没有包括在本书中。有些研究工作，随着时间的推移在其他同类书中已经有所反映，也没有包括在本书中。还有些成果，限于时间的关系，还来不及纳入本书当中。这些没有纳入本书的研究，对于推动相关技术的发展也做出了重要的贡献，对这些同志如洪贝、胡友涛、郑建飞、杜党波、张会会、吕瑛洁、蔡曦、王鑫、郑光宇、黄莹等，作者表示由衷的感谢！
　　全书共分12章。第1章概述了寿命预测和维修决策方法研究现状。第2章针对非线性退化设备给出了基于维纳过程的剩余寿命实时预测方法。第3章针对退化过程中存在突变点的情形介绍了突变点检测算法并给出了剩余寿命实时预测方法。第4章、第5章分别研究了基于伽玛过程和逆高斯过程的性能退化建模与剩余寿命预测方法。第6章针对退化数据样本较小的情形研究了基于支持向量机的剩余寿命预测方法。第7章提出了一种基于相关向量机的模糊模型辨识方法，研究了相应的性能退化建模与预测方法。第8章系统研究了融合主客观信息的证据推理退化建模与剩余寿命预测。第9章介绍了粒子滤波相关算法，提出了一种权值选优粒子滤波算法并应用于设备剩余寿命预测。第10章介绍了灰色模型理论及在性能退化建模与预测中的应用。第11章研究了基于剩余寿命预测信息的检测策略。第12章针对失效模式相互影响情形提出了一种合作预测维修模型。
　　本书的研究工作得到了国家杰出青年科学基金『数据驱动的导弹故障诊断与预测维护技术（61025014）]、国家自然科学基金重点项目[复杂工程系统故障预报与预测维护若干关键问题研究（60736026）]、国家自然科学基金面上项目[考虑多状态交互影响的设备剩余寿命预测方法（61573365）]、国家自然科学基金青年项目[维修次数有限情形下复杂可修系统维修策略研究（61304101）、随机服役环境下阈值时变设备剩余寿命预测与维修库存决策（61603398）]的资助，感谢国家自然科学基金对于作者及其研究团队的支持，特别感谢国家自然科学基金信息学部王成红教授、宋苏处长的支持。