内容简介
本书系统地介绍了可靠、维修及预测智能维护的基本概念、基本理论及其工程应用。在第2版中增加了大数据智能维护技术一章，主要为学生和本书读者介绍新的智能维护技术，以及服务于我国智能制造高人才培养需求。全书内容共有三部分：部分为可靠工程括基础知识、常用分布函数、可靠系统、可靠设计、故障模式影响及危害分析、故障树分析等；部分为智能维护系统括维护管理系统、维修和可用、预测智能维护等；第三部分为相关技术论题括智能维护集成工具关键技术与大数据环境下的智能维护关键技术。 本书可作为高等院校机械工程、电气工程等相关学科或专业的研究生、本科生教材，也可作为从事可靠与智能维护研究的科研人员的参考书。
目录
部分 可靠工程第l章 可靠概论 1.1 可靠的基本概念 1.1.1 可靠的发展历程 1.1.2 可靠技术研究的重要 1.1.3 可靠的定义 1.2 可靠的特征量 1.2.1 可靠度与不可靠度 1.2.2 失效密度函数 1.2.3 失效率 1.2.4 失效率A(t)与可靠度R(t)、失效概率函数f(t)的关系 1.2.5 失效率曲线 1.2.6 均寿命 1.2.7 可靠寿命 1.2.8 有效度(可用度)特征量 1.3 概率的基本概念及基本运算 1.3.1 事件的概念 1.3.2 事件的概率 1.3.3 概率运算的基本公式 第2章 可靠问题中常用的分布函数 2.1 二项分布 2.2 泊松分布 2.3 指数分布 2.4 正态分布 2.4.1 标准正态分布 2.4.2 截尾正态分布 2.5 对数正态分布 2.6 韦布尔分布 2.7 次序统计分布 2.8 极值分布 2.8.1 I型极大值分布 2.8.2 I型极小值分布第3章 可靠系统 3.1 串联系统 3.2 并联系统 3.3 混联系统 3.3.1 串一并联系统 3.3.2 并一串联系统 3.4 表决系统 3.5 储备系统 3.5.1 储备单元可靠的储备系统 3.5.2 储备单元不可靠的储备系统 3.6 复杂系统第4章 可靠设计 4.1 可靠预计 4.1.1 单元可靠预计 4.1.2 系统可靠预计 4.2 丁靠分配 4.2.1 均分配法 4.2.2 加权分配法 4.2.3 再分配法 4.2.4 代数分配法 4.2.5 相对失效率与相对失效概率法 4.2.6 按可靠度变化率的分配方法 4.2.7 动态规划分配法 4.3 故障分析 4.3.1 FMECA列表分析法 4.3.2 FMECA矩阵分析方法 4.4 系统与故障分析树 4.4.1 系统 4.4.2 故障树分析 部分 智能维护系统第5章 维护管理系统介绍 5.1 设备维护管理发展历程 5.1.1 维护管理的阶段划分 5.1.2 维护管理的发展 5.1.3 欧美国家设备维护管理现状 5.1.4 我国设备维护管理现状 5.2 设备维护管理模型 5.3 设备维护管理系统的构建 5.3.1 维护管理系统结构 5.3.2 维护管理的理论层面 5.3.3 维护管理的应用实现层面 第6章 维修、维修和可用 6.1 维修的概念 6.2 停机时间分析 6.3 维修参数 6.4 维修时间分布 6.4.1 维修时间服从指数分布 6.4.2 维修时间服从对数正态分布 6.5 维修类型 6.6 维修策略 6.7 维修费用 6.8 维修优化 6.8.1 优更换时间 6.8.2 修理与更换 6.9 维修验证 6.10 可用 6.10.1 概念及内涵 6.10.2 指数可用度模型 6.10.3 系统可用度 6.11 后勤保障 第7章 预测智能维护 7.1 原理与优势 7.2 信号处理与在线监测技术 7.2.1 信号处理 7.2.2 在线监测 7.3 数据融合技术 7.3.1 数据融合的级别 7.3.2 数据融合的技术和方法 7.4 数据挖掘 7.4.1 数据挖掘的分类 7.4.2 数据挖掘的智能计算方法 7.4.3 数据挖掘的支撑技术 7.4.4 数据挖掘与统计分析 7.5 智能预诊技术 7.5.1 预诊方法在转子衡中的应用 7.5.2 预诊信息的Web发布 第三部分 相关技术论题第8章 智能维护集成工具关键技术 8.1 基于J2EE的智能维护集成工具 8.1.1 基于J2EE的智能预诊集成工具构成 8.1.2 基于J2EE的智能预诊实现 8.2 基于J2E台的智能维护关键技术 8.2.1 Java和Matlab交互实现预诊算法 8.2.2 JSP技术数据库技术及数据库连接池技术 8.2.3 Ajax异步刷新技术 8.2.4 Jfree Chart绘图技术 8.2.5 Joone开源神经网络技术 8.3 基于J2EE的智能维护集成工具开发 8.3.1 基于J2EE的智能维护集成工具结构设计 8.3.2 实时动态监测模块 8.3.3 数据查询模块与数据表分页 8.3.4 特征提取模块 8.3.5 特征选择模块 8.3.6 智能预诊模块第9章 基于大数据的智能维护技术 9.1 大数据智能维护 9.1.1 大数据的概念 9.1.2 大数据下智能维护的发展现状 9.1.3 案例——GE公司Predix大数台 9.2 挖掘工业大数据价值的核心技术——CPS 9.2.1 CPS的定义与内涵 9.2.2 工业4.0 对未来工厂的透明化——突破制造业中的不确定 9.2.3 工业4.0 需要预测制造系统 9.3 基于大数据的深度学 9.3.1 深度学 9.3.2 深度置信网络 9.3.3 卷积神经网络 9.3.4 基于深度学障诊断 9.4 基于大数据的刀具磨损状态智能诊断 9.4.1 刀具监测方法 9.4.2 刀具监测数据信号采集系统 9.4.3 基于深度学算法的刀具监测 参考文献
