智能运维与健康管理

本书的特色在于充分的体现了交叉学科的特点，运用机械工程、先进的信号处理、人工智能、工业大数据、决策优化等领域的知识解决设备的智能化维护管理。本书将面向大三本科生，具有一定的机械工程基础、人工智能基础以及计算机基础。

本书主要分为5个部分，首先对设备的智能维护做概述性地介绍，随后介绍设备的状态监测方法与数据获取；之后对设备智能维护中的核心环节：设备故障与异常检测和设退化与剩余寿命预测方法进行介绍。最后将设备智能维护做外延，探讨设备维护的未来发展趋势以及与前沿技术的结合。 本书的特色在于充分的体现了交叉学科的特点，运用机械工程、先进的信号处理、人工智能、工业大数据、决策优化等领域的知识解决设备的智能化维护管理。本书将面向大三本科生，具有一定的机械工程基础、人工智能基础以及计算机基础。

肖雷，女，东华大学讲师，硕士研究生导师。2011年在东北农业大学工程学院获工学学士学位，2016年在重庆大学机械工程学院获博士学位。长期从事于设备预测性维护和维护与生产调度集成优化方面的课题研究，主持国家自然科学基金青年基金项目、中国博士后基金面上资助项目等科研项目，参与多项国家自然科学基金重点项目和面上项目。发表学术论文20余篇，其中被SCI收录16篇，被EI收录5篇，申请国家发明专利多项。

第1章绪论
1.1引言
1.1.1PHM技术
1.1.2国外PHM技术发展
1.1.3国内PHM技术发展
1.2机械设备的故障诊断与预测
1.3PHM中的经济要素

第2章机械设备的状态监测与数据获取
2.1状态监测的定义与作用
2.2状态监测与数据获取
2.2.1振动分析法
2.2.2温度分析法
2.2.3油液分析法
2.2.4噪声分析法
2.2.5无损检测技术
2.3状态监测网络与数据质量
2.3.1传感器的选择
2.3.2数据获取的困难
2.3.3数据量难以完善
2.3.4数据质量难以保障

第3章故障与异常判别技术
3.1基于机理模型的故障判别技术
3.1.1典型故障模式
3.1.2典型故障机理建模
3.1.3机理模型故障判别应用
3.2基于数理统计分析的故障判别技术
3.2.1数据的插值和拟合方法
3.2.2回归分析方法
3.2.3回归分析在机械设备智能运维中的运用
3.3基于大数据与人工智能的故障判别技术
3.3.1大数据分析与人工智能概述
3.3.2人工神经网络概述
3.3.3迁移学习概述
3.3.4使用人工智能技术进行故障异常判别

第4章退化预测与寿命预测技术
4.1基于数理统计分析的退化预测与剩余寿命预测技术
4.1.1回归分析在退化预测和寿命预测中的运用
4.1.2随机过程在退化预测和寿命预测中的运用
4.2基于大数据与人工智能的退化预测和寿命预测技术
4.2.1基于神经网络的设备退化预测和寿命预测
4.2.2基于迁移学习的设备退化预测和寿命预测

第5章智能运维的未来发展
5.1信息物理系统融合
5.1.1信息物理系统概述
5.1.2信息物理系统与数字孪生的联系
5.1.3信息物理系统与智能运维
5.2知识图谱技术
5.2.1知识图谱概述
5.2.2知识图谱与智能运维
5.3设备精益管理
5.3.1设备精益管理概述
5.3.2设备精益管理与智能运维
5.4产品再设计
5.4.1产品再设计概述
5.4.2智能运维与产品再设计
5.5基于工业互联网的运维平台建设
5.5.1工业互联网的内涵及体系架构
5.5.2工业互联网与智能运维

参考文献

　　制造业是一个国家综合国力的重要体现。在经历了互联网泡沫和经济危机之后，世界各国尤其是发达国家已经重新意识到了制造业的重要性。无论是德国提出的“工业4.0国家战略”、美国提出的“国家制造业创新网络计划”、日本提出的“工业价值链计划”以及中国提出的“中国制造2025”，都紧紧围绕着制造业这个核心。制造业的核心要素之一是设备。随着服役时间的增长，设备会出现结构缺陷或者功能故障，若这些缺陷或故障不能及时地被检测出、被处理，则可能造成灾难性的后果。例如，2011年日本福岛核电站机组发生的爆炸事件，其原因为核电站一号机组出现的设备老化引起了微小的故障，但未能被及时发现，从而导致了核泄漏和核爆炸。
　　对设备进行适时的检修在一定程度上能够避免设备故障的发生，但是从检修行为本身来说，检修行为不会为企业产生直接利润，相反，还会增加企业的维护成本。以航空飞机为例，据报道，飞机维修成本占航空公司运营成本的10%~20%； 风电是近年来新兴的新能源产业，随着越来越多的国家和地区增加对风电设施的建设，风电的维护成本也越来越高。据报道，我国的风电运维市场规模已从2013年的67亿元增长到2017年的124亿元，预计在2024年将达到251亿元。发达国家风电设备的年维护成本为初始投资的1%~2%，鉴于我国的风电行业在国际上的地位，我国的风电行业的维护成本也应在2%左右。著名事务公司德勤曾在2018年的“预测性维护和智能工厂”报告中指出： 不合理的维护策略将会导致工厂产能下降5%~20%，每年企业由于意外停机造成的损失高达500亿美元。由此可见，无论是从设备的安全性、经济性和可用性角度考虑，制定合理的设备维护策略是保障设备安全、可靠、持续运行的关键，也是保证企业产品质量、保障人员安全和促进制造业高质量发展的重要手段。
　　伴随着工业的发展，维护策略的制定也发生着较大的改变。20世纪50年代以前，以“第一代维修模式”——故障后维修为主。如其名称可见，故障后维修是指在故障发生之后对发生故障的零部件或设备进行维修。这种维修方式能够最大化地使用零部件的寿命，但不能在故障发生前有效避免故障的发生，因此是一种被动的维修方式。
　　20世纪60~80年代，以“第二代维修模式”——预防性维修为主。在工程实践应用中，多采用基于时间的预防性维护和点检相结合。基于时间的预防性维护主要是指当设备或零部件的役龄达到一定时间，或者设备已经运行一个固定周期，则对零部件或设备进行维护。基于时间的预防性维护在一定程度上考虑了设备的状态，可以有效地避免事故的发生，是一种主动维护策略。但在维护的过程中维护周期的制定难以把握，从而导致了维护浪费或维护不足的现象。
　　随着传感技术和智能检测技术的发展，到20世纪70年代中期，“第三代维修模式”——基于状态的维护逐渐在工业企业中得到应用。基于状态的维护主要是通过分析设备或零部件的当前状态进而制定相应的维护策略。与预防性维护相比，基于状态的维护策略更加关注设备自身的运行状态，制定的维护策略也更为合理。
　　近年来，随着计算机技术的发展，以及物联网、大数据、云计算等新一代信息技术与人工智能的融合，设备的维护决策也变得更加智能化和精准化。设备的智能运维与健康管理不仅满足了设备高精度、高可靠、长时间运行的要求，还为保障产品质量、保护员工人身安全、提升企业产品价值、促进制造业高质量发展奠定了基础。目前，智能运维已成为服务型制造的典型代表，作为智能制造中的重要环节，更是成为广为认可的工业数字化领域潜在爆发点。
　　当前，第四次工业革命已经到来，计算机、新一代信息技术和智能传感技术的突破为企业实践智能运维夯实了基础。加快培养新一代信息技术人才，将新一代信息技术实现工业赋能是当今社会的人才需求呼声。本书综合了国内外优秀教材的基础，结合笔者在相关领域的研究成果，是一本适合于本科生和研究生初涉设备智能运维与健康管理方面的书籍。
　　由于智能运维与健康管理具有多学科交叉的特点，很多相关技术与应用仍处于发展和完善阶段，同时笔者水平有限，书中难免有错误与不妥之处，敬请各位读者与专家批评指正。

编者
2022年11月