- 故障预测与健康管理--应用状态数据提高系统可靠性的实用方法/可靠性维修性保障性学术专著译丛
- - 作者：(美)道格拉斯·古德曼//詹姆斯·P.霍夫迈斯特//弗伦茨·齐达罗夫斯基|责编:周敏文|总主编:康锐|译者:伊枭剑//刘树林//穆慧娜
  - 出版社：国防工业
  - ISBN：9787118140897
  - 出版日期：2026/02/01
  - 页数：308
- 售价：50

内容大纲
本书是一本基于状态数据（CBD）来进行系统健康和寿命预测的综合指南。故障预测与健康管理为理解基于状态数据来监测和管理系统健康状态以提高系统可靠性的理论基础和方法提供了权威指南。该指南应用基于状态数据，生成特征后输入到预测算法，对健康和寿命进行故障预测。这种久经考验的方法使用从基于状态的电信号（包括代表物理组件的电信号）中提取的电子标签，并采用包括数据融合和转换、域转换、标准化、规范化和信号级别转换在内的处理方法，来支持故障预测。
本书主要为在关键流程行业工作的系统工程师以及汽车和航空航天设计师编写。
作者介绍
目录
第1章  故障预测简介
  1.1  故障预测定义
    1.1.1  本章目标
    1.1.2  本章结构
  1.2  可靠性理论基础
    1.2.1  失效前时间分布
    1.2.2  概率和可靠性
    1.2.3  概率密度函数
    1.2.4  分布之间的关系
    1.2.5  故障率
    1.2.6  期望值和方差
  1.3  极限应力水平下的失效分布
    1.3.1  基础模型
    1.3.2  累积损伤模型
    1.3.3  通用指数模型
  1.4  参数估计中的不确定性方法
  1.5  失效数期望
    1.5.1  最少维修
    1.5.2  失效更换
    1.5.3  部分维修使失效次数减少
    1.5.4  部分维修使寿命降低
  1.6  系统可靠性、故障预测与健康管理
    1.6.1  基于状态检测维护（CBM）的故障预测与健康管理（PHM）系统通用框架
    1.6.2  PHM与系统可靠性的关系
    1.6.3  退化过程特征（DPS）和故障预测
    1.6.4  理想的功能失效特征（FFS）与故障预测
    1.6.5  非理想的FFS和故障预测
  1.7  故障预测信息
    1.7.1  非理想性：初始估计误差和剩余使用寿命
    1.7.2  给定初始估计误差时RUL估计的收敛性
    1.7.3  预测距离（PD）和收敛性
    1.7.4  收敛：品质因数
    1.7.5  造成FFS数据不理想的其他原因
  1.8  关于成本和收益的决策
    1.8.1  产品选择
    1.8.2  最佳维护计划
    1.8.3  基于状态的维护或更换
    1.8.4  预防性更换计划
    1.8.5  模型变形和扩展
  1.9  本章小结
参考文献
补充书目
第2章  故障预测与健康管理（PHM）方法
  2.1  故障预测与健康管理（PHM）方法简介
    2.1.1  基于模型的预测方法
    2.1.2  数据驱动预测方法
    2.1.3  混合驱动预测方法
    2.1.4  本章目标
    2.1.5  本章结构
  2.2  基于模型的预测

    2.2.1  分析建模
    2.2.2  分布建模
    2.2.3  失效物理（PoF）和可靠性建模
    2.2.4  加速因子
    2.2.5  可靠性建模的复杂性
    2.2.6  失效分布
    2.2.7  基于故障率和时基故障（FIT）的多种失效模式
    2.2.8  基于模型的预测的优缺点
  2.3  数据驱动预测
    2.3.1  统计方法
    2.3.2  机器学习（ML）的分类和聚类
  2.4  混合驱动预测
  2.5  基于状态的维护
    2.5.1  基于状态数据特征的建模
    2.5.2  寿命消耗方法和CBD特征模型方法比较
    2.5.3  CBD特征建模实例
  2.6  本章小结
参考文献
补充书目
第3章  故障演化特征
  3.1  故障演化特征简介
    3.1.1  本章目标
    3.1.2  本章结构
  3.2  特征基本类型
    3.2.1  CBD特征
    3.2.2  功能失效预测（FFP）特征
    3.2.3  将FFP转化为FFS
    3.2.4  将FFP转化为退化过程特征
    3.2.5  将DPS转换为基于DPS的FFS
  3.3  模型验证
    3.3.1  特征分类
    3.3.2  验证CBD建模
    3.3.3  验证FFP建模
    3.3.4  验证DPS建模
    3.3.5  验证基于DPS的FFS建模
  3.4  FFS曲线的非线性评价
    3.4.1  传感系统
    3.4.2  FFS非线性
  3.5  数据转换总结
  3.6  退化率
    3.6.1  常退化率：基于DPS的线性FFS
    3.6.2  非线性退化率
  3.7  故障演化特征和系统节点
  3.8  本章小结
参考文献
补充书目
第4章  启发式基于状态数据特征的建模方法
  4.1  启发式特征建模简介
4.1.1第3章  回顾
    4.1.2  CBD特征的启发式建模理论

    4.1.3  本章目标
    4.1.4  本章结构
  4.2  一般建模注意事项：CBD特征
    4.2.1  噪声边界
    4.2.2  退化特征模型的定义
    4.2.3  特征数据的额定值
    4.2.4  故障到失效演化特征和退化特征模型的特征数据
    4.2.5  CBD特征到FFS数据的转换方法
  4.3  CBD建模：退化特征模型
    4.3.1  退化特征模型典型实例
    4.3.2  典型FFP退化特征的示例图
    4.3.3  将递减特征转换为递增特征
  4.4  DPS建模：FFP到DPS转换模型
    4.4.1  开发转换模型：从FFP到DPS
    4.4.2  FFP特征和DPS特征示例图
  4.5  FFS建模：失效水平和特征建模
    4.5.1  使用FFP定义的失效水平开发基于DPS的失效水平（FL）模型
    4.5.2  基于FFP和基于DPS的失效水平的建模结果
    4.5.3  将DPS数据转换为FFS数据
  4.6  本章小结
参考文献
补充书目
第5章  非理想数据：可用条件与应用效果
  5.1  非理想数据：可用条件与应用效果简介
5.1.1第4章  回顾
    5.1.2  数据采集、处理与变换
    5.1.3  本章目标
    5.1.4  本章结构
  5.2  启发式方法在非理想CBD特征中的应用
    5.2.1  启发式方法应用于非理想CBD特征的总结
    5.2.2  预测案例
    5.2.3  获取高精确预测信息的噪声
  5.3  FFS数据中的误差和非理想性
    5.3.1  噪声边界和偏移误差
    5.3.2  测量误差、不确定性和采样
    5.3.3  其他噪声源
    5.3.4  数据平滑和FFS数据中的非理想性
  5.4  适用于FFS数据的启发式方法
    5.4.1  调整FFS数据的方法
    5.4.2  修正后FFS数据
    5.4.3  数据调节的其他示例数据集
  5.5  本章小结
参考文献
补充书目
第6章  设计：故障预测与健康管理系统的稳健原型示例
  6.1  PHM系统回顾
6.1.1第1章  ：故障预测简介
6.1.2第2章  ：故障预测与健康管理（PHM）方法
6.1.3第3章  ：故障演化特征
6.1.4第4章  ：启发式基于状态数据特征的建模方法

6.1.5第5章  ：非理想数据：可用条件与应用效果
    6.1.6  本章目标
    6.1.7  本章结构
  6.2  PHM系统的设计方法
    6.2.1  目标选择与评估系统失效模式
    6.2.2  离线预测方法：选择结果
    6.2.3  基于在线部署的基础架构选择
  6.3  取样和轮询
    6.3.1  连续-定期取样
    6.3.2  定期爆发采样
    6.3.3  轮询
  6.4  初始设计规范
    6.4.1  运行：测试与验证
    6.4.2  试验台
    6.4.3  试验结果
  6.5  交流相电流的特殊RMS方法
    6.5.1  峰值RMS方法
    6.5.2  特殊峰值RMS方法：基本计算例行程序
    6.5.3  特殊峰值RMS法：FFP计算例行程序
    6.5.4  峰值RMS方法：EMA
  6.6  诊断与预测程序
    6.6.1  开关电源
    6.6.2  EMA
  6.7  规范的可靠性和能力
    6.7.1  基于节点的架构
    6.7.2  案例设计
  6.8  节点规范
    6.8.1  系统节点定义
    6.8.2  节点定义
    6.8.3  PHM系统原型的其他节点定义
  6.9  系统验证和性能指标
    6.9.1  误差的偏移类型
    6.9.2  确定预测距离的不确定性
    6.9.3  使用PHα估计收敛性
    6.9.4  性能指标
    6.9.5  预测RUL、SoH、PH和退化信息
  6.10  系统验证高级预测
    6.10.1  SMPS：FFP特征直接转换成FFS
    6.10.2  SMPS：FFP特征转换为DPS再转换为FFS
  6.11  PHM系统验证EMA故障
    6.11.1  EMA的负载（摩擦）故障类型
    6.11.2  EMA的绕组故障类型
    6.11.3  EMA的电源开关晶体管故障类型
  6.12  PHM系统验证功能集成
    6.12.1  功能集成：控制和数据流
    6.12.2  系统性能指标总结
    6.12.3  PHM系统规划
  6.13  本章小结
参考文献
补充书目

第7章  预测使能：选择、评估和其他考量
  7.1  预测使能简介
7.1.1第6章  回顾
    7.1.2  电子健康解决方案
    7.1.3  关键系统和预警
    7.1.4  减少维护
    7.1.5  健康管理、维护和后勤
    7.1.6  本章目标
    7.1.7  本章结构
  7.2  预测目标的评估、选择和规范
    7.2.1  预测目标评估、选择和筛选的标准
    7.2.2  MTBF与MTTF的含义
    7.2.3  MTBF与MTTF的不确定性
    7.2.4  TTF与PITFF
  7.3  预测方法的成本效益示例
    7.3.1  成本效益情况
    7.3.2  成本分析
  7.4  浴盆曲线的可靠性
    7.4.1  浴盆曲线的MTBF和MTTF
    7.4.2  触发点和预测距离
  7.5  本章小结
参考文献
补充书目

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目