本書重點(diǎn)關(guān)注數(shù)據(jù)驅(qū)動(dòng)的剩余壽命預(yù)測(cè)與維護(hù)決策技術(shù)，針對(duì)復(fù)雜裝備的智能運(yùn)維需求提供了一種較為完整的解決方案。全書共10章：第1章介紹了剩余壽命預(yù)測(cè)與維護(hù)決策的國(guó)內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)；第2～4章分別介紹了基于多變量模型、基于相似性模型以及基于隨機(jī)過程模型的典型的剩余壽命預(yù)測(cè)方法；第5～10章介紹了考慮安全風(fēng)險(xiǎn)規(guī)避、預(yù)測(cè)不確定性、維修不確定性以及維修資源約束下的預(yù)測(cè)維護(hù)方法。本書內(nèi)容由淺入深，語言通俗易懂，注重實(shí)踐性，并緊跟領(lǐng)域研究的前沿發(fā)展，為讀者提供既豐富又實(shí)用的專業(yè)內(nèi)容。
本書可作為控制科學(xué)與工程、工業(yè)工程等學(xué)科的師生參考用書，同時(shí)對(duì)裝備健康管理、安全保障等領(lǐng)域的科研人員及工程技術(shù)人員具有一定的參考價(jià)值。

陸寧云，南京航空航天大學(xué)教授，先后于1998、2000、2004年在東北大學(xué)獲學(xué)士、碩士、博士學(xué)位，2004年至2005年在香港科技大學(xué)化學(xué)工程系擔(dān)任副研究員，2006年至今任職于南京航空航天大學(xué)，曾任自動(dòng)化學(xué)院自動(dòng)控制系副主任、主任，現(xiàn)任自動(dòng)化學(xué)院副院長(zhǎng)。 長(zhǎng)期致力于復(fù)雜系統(tǒng)智能診斷與預(yù)測(cè)運(yùn)維的理論與應(yīng)用研究，相關(guān)成果應(yīng)用于航空航天、軌道交通、船舶裝備、流程工業(yè)等行業(yè)領(lǐng)域。承擔(dān)國(guó)家自然科學(xué)基金項(xiàng)目4項(xiàng)以及科技部重點(diǎn)研發(fā)項(xiàng)目子課題、工信部**專項(xiàng)課題、江蘇省工業(yè)轉(zhuǎn)型升級(jí)重大專項(xiàng)、廣州市產(chǎn)學(xué)研轉(zhuǎn)化重大專項(xiàng)、南京“紫金之巔”產(chǎn)業(yè)鏈技術(shù)攻關(guān)揭榜項(xiàng)目等縱向計(jì)劃項(xiàng)目6項(xiàng)，完成航空工業(yè)、中國(guó)電科、中國(guó)船舶等多個(gè)國(guó)防單位委托的產(chǎn)學(xué)研課題12項(xiàng)；出版中英文專著4部、譯著1部，發(fā)表學(xué)術(shù)論文160余篇，授權(quán)發(fā)明專利30余項(xiàng)；研究成果獲江蘇省科學(xué)技術(shù)一等獎(jiǎng)和二等獎(jiǎng)各1項(xiàng)、教育部自然科學(xué)二等獎(jiǎng)1項(xiàng)、廣東省科技進(jìn)步二等獎(jiǎng)1項(xiàng)以及中國(guó)自動(dòng)化學(xué)會(huì)、中國(guó)電子學(xué)會(huì)、中國(guó)機(jī)械工業(yè)學(xué)會(huì)、中國(guó)城市軌道交通學(xué)會(huì)等科研獎(jiǎng)勵(lì)5項(xiàng)；擔(dān)任江蘇省自動(dòng)化學(xué)會(huì)副秘書長(zhǎng)、中國(guó)自動(dòng)化學(xué)會(huì)全國(guó)技術(shù)過程故障診斷與安全專業(yè)委員會(huì)委員等社會(huì)兼職以及SCI期刊Sensors編委等學(xué)術(shù)兼職。

任何一個(gè)工程裝備或工業(yè)系統(tǒng)都無法避免長(zhǎng)時(shí)間運(yùn)行所帶來的老化問題。當(dāng)系統(tǒng)關(guān)鍵部件發(fā)生性能退化時(shí)，若未及時(shí)發(fā)現(xiàn)并采取恰當(dāng)?shù)木S護(hù)措施，將有可能引發(fā)整個(gè)系統(tǒng)的功能失效或任務(wù)中止，嚴(yán)重時(shí)甚至導(dǎo)致人員傷亡和重大財(cái)產(chǎn)損失。以剩余壽命預(yù)測(cè)和維護(hù)決策優(yōu)化為核心支撐的預(yù)測(cè)與健康管理技術(shù)，能夠通過實(shí)時(shí)狀態(tài)監(jiān)測(cè)、異常工況檢測(cè)、故障診斷與隔離以及剩余壽命預(yù)測(cè)，在故障發(fā)生之前或故障發(fā)生后的早期階段，通過及時(shí)恰當(dāng)?shù)木S護(hù)或維修，提高裝備全生命周期的運(yùn)營(yíng)安全性、可靠性和經(jīng)濟(jì)性。隨著人工智能和新一代信息技術(shù)的發(fā)展，數(shù)據(jù)驅(qū)動(dòng)的剩余壽命預(yù)測(cè)與維護(hù)決策成為預(yù)測(cè)與健康管理領(lǐng)域的研究熱點(diǎn)，能在難以獲取準(zhǔn)確的裝備退化失效機(jī)理時(shí)，通過挖掘、分析裝備運(yùn)行的狀態(tài)監(jiān)測(cè)數(shù)據(jù)，實(shí)現(xiàn)較為準(zhǔn)確的剩余壽命預(yù)測(cè)和最優(yōu)維護(hù)決策。
本書基于南京航空航天大學(xué)姜斌教授領(lǐng)銜的“智能診斷與健康管理”科研團(tuán)隊(duì)十余年來的工作積累，結(jié)合國(guó)內(nèi)外最新研究成果，較為全面系統(tǒng)地介紹了數(shù)據(jù)驅(qū)動(dòng)的裝備預(yù)測(cè)維護(hù)技術(shù)，并通過若干案例對(duì)相關(guān)方法和技術(shù)的基本原理及實(shí)施過程進(jìn)行了解釋說明。全書圍繞裝備剩余壽命預(yù)測(cè)和維護(hù)決策優(yōu)化這兩個(gè)密切關(guān)聯(lián)的主題，建立比較完整的內(nèi)容體系；針對(duì)理論研究和實(shí)踐應(yīng)用中存在的問題，給出了針對(duì)性解決方案，并做了案例分析與研究。全書內(nèi)容設(shè)置如圖1所示。
全書由南京航空航天大學(xué)的姜斌教授、陸寧云教授，東南大學(xué)的呂建華教授，南京工業(yè)大學(xué)的陳闖博士和王村松博士，以及上海大學(xué)的李洋博士共同編寫完成。編寫過程中得到了德國(guó)杜伊斯堡埃森大學(xué)的Steven Ding（丁先春）教授、加拿大約克大學(xué)的George Zhu（朱正宏）教授、意大利米蘭理工大學(xué)的Enrico Zio教授、意大利費(fèi)拉拉大學(xué)的Silvo Simani教授、香港科技大學(xué)的Furong Gao（高福榮）教授、東北大學(xué)的王福利教授等國(guó)內(nèi)外相關(guān)領(lǐng)域著名學(xué)者的指導(dǎo)和幫助，特別感謝他們針對(duì)本領(lǐng)域的前沿問題與南京航空航天大學(xué)團(tuán)隊(duì)開展人才聯(lián)合培養(yǎng)和科研項(xiàng)目合作。
本書的相關(guān)研究工作得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2021YFB3301300）、國(guó)家自然科學(xué)基金（62273176、62203213、62373104）、航空科學(xué)基金（62020106003）、航空航天結(jié)構(gòu)力學(xué)及控制全國(guó)重點(diǎn)實(shí)驗(yàn)室基金（MCMSI0521G02）等的資助，在此表示誠(chéng)摯感謝。
裝備預(yù)測(cè)與健康管理是一個(gè)新興的前沿技術(shù)領(lǐng)域，筆者對(duì)該領(lǐng)域的認(rèn)知和積累有限，書中難免存在不足之處，懇請(qǐng)廣大讀者批評(píng)指正。

著者

第1章 緒論001
1.1裝備維護(hù)保障的必要性和重要性001
1.2剩余壽命預(yù)測(cè)與維護(hù)決策的相關(guān)概念002
1.3剩余壽命預(yù)測(cè)研究現(xiàn)狀與趨勢(shì)004
1.4維護(hù)決策研究現(xiàn)狀與趨勢(shì)009

第2章 基于多變量模型的剩余壽命預(yù)測(cè)方法014
2.1概述014
2.2主要思想015
2.3裝備退化特征提取017
2.3.1Spearman相關(guān)性指標(biāo)018
2.3.2Spearman趨勢(shì)性指標(biāo)018
2.4基于多變量深度森林算法的健康評(píng)估模型019
2.4.1基于量子模糊聚類的健康狀態(tài)劃分019
2.4.2基于深度森林算法的離線系統(tǒng)健康狀態(tài)評(píng)估021
2.5基于DLSTM的離線退化趨勢(shì)預(yù)測(cè)建模024
2.5.1LSTM網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)介024
2.5.2退化趨勢(shì)預(yù)測(cè)模型026
2.6基于組合模型的裝備在線剩余壽命預(yù)測(cè)方法027
2.6.1剩余壽命在線預(yù)測(cè)實(shí)施過程027
2.6.2預(yù)測(cè)評(píng)價(jià)標(biāo)準(zhǔn)028
2.7實(shí)驗(yàn)驗(yàn)證029
2.7.1數(shù)據(jù)來源029
2.7.2退化特征選擇結(jié)果031
2.7.3離線健康狀態(tài)評(píng)估建模與在線驗(yàn)證結(jié)果033
2.7.4離線退化趨勢(shì)預(yù)測(cè)建模和在線RUL估計(jì)037
2.8本章小結(jié)040

第3章 基于相似性模型的剩余壽命預(yù)測(cè)方法041
3.1概述041
3.2主要思想042
3.3多變量退化特征提取043
3.3.1基于Relief算法的退化特征篩選043
3.3.2基于主成分分析的退化特征提取044
3.4基于退化特征相似性的剩余壽命預(yù)測(cè)046
3.4.1基于時(shí)間序列片段時(shí)延的相似性評(píng)估046
3.4.2基于KDE密度加權(quán)的模型綜合048
3.5實(shí)驗(yàn)驗(yàn)證049
3.5.1預(yù)測(cè)性能指標(biāo)050
3.5.2相似性評(píng)估與參數(shù)選擇053
3.6本章小結(jié)056

第4章 基于隨機(jī)過程模型的剩余壽命預(yù)測(cè)方法057
4.1概述057
4.2主要思想057
4.3基于加速退化試驗(yàn)的混合退化過程建模058
4.4混合退化過程的壽命分布059
4.5混合退化過程的未知參數(shù)估計(jì)060
4.5.1動(dòng)態(tài)權(quán)重估計(jì)060
4.5.2使用M-H方法的混合過程未知參數(shù)估計(jì)062
4.6實(shí)驗(yàn)驗(yàn)證063
4.6.1參數(shù)估計(jì)063
4.6.2正常應(yīng)力水平下的可靠性分析066
4.6.3混合退化模型與傳統(tǒng)模型的比較068
4.7本章小結(jié)069

第5章 帶有風(fēng)險(xiǎn)規(guī)避自適應(yīng)的預(yù)測(cè)維護(hù)方法070
5.1概述070
5.2主要思想070
5.3剩余壽命預(yù)測(cè)建模071
5.3.1SVR的基本理論071
5.3.2退化特征與剩余壽命之間關(guān)系建模072
5.4規(guī)避風(fēng)險(xiǎn)的預(yù)測(cè)維護(hù)策略制定073
5.4.1風(fēng)險(xiǎn)規(guī)避函數(shù)設(shè)計(jì)073
5.4.2在線剩余壽命預(yù)測(cè)076
5.4.3維護(hù)策略制定與成本計(jì)算077
5.5實(shí)驗(yàn)驗(yàn)證078
5.5.1單一預(yù)測(cè)模型的剩余壽命預(yù)測(cè)結(jié)果078
5.5.2規(guī)避風(fēng)險(xiǎn)剩余壽命預(yù)測(cè)結(jié)果與分析078
5.5.3預(yù)測(cè)維護(hù)規(guī)劃結(jié)果與分析080
5.6本章小結(jié)082

第6章 基于剩余壽命預(yù)測(cè)區(qū)間的預(yù)測(cè)維護(hù)方法084
6.1概述084
6.2主要思想084
6.3剩余壽命預(yù)測(cè)區(qū)間估計(jì)086
6.3.1健康狀態(tài)劃分086
6.3.2剩余壽命預(yù)測(cè)邊界確定088
6.3.3在線剩余壽命預(yù)測(cè)區(qū)間估計(jì)090
6.4最優(yōu)維護(hù)決策091
6.4.1剩余壽命分布構(gòu)建091
6.4.2維護(hù)成本率函數(shù)形成與優(yōu)化092
6.4.3預(yù)測(cè)維護(hù)實(shí)施過程094
6.5實(shí)驗(yàn)驗(yàn)證094
6.5.1預(yù)測(cè)區(qū)間評(píng)估標(biāo)準(zhǔn)094
6.5.2預(yù)測(cè)區(qū)間估計(jì)實(shí)驗(yàn)結(jié)果與分析095
6.5.3維護(hù)決策實(shí)驗(yàn)結(jié)果與分析101
6.6本章小結(jié)103

第7章 基于失效概率估計(jì)的預(yù)測(cè)維護(hù)方法105
7.1概述105
7.2主要思想105
7.3基于性能退化的失效概率預(yù)測(cè)107
7.3.1退化趨勢(shì)預(yù)測(cè)107
7.3.2未來不同時(shí)間窗口的失效概率估計(jì)108
7.4兩種期望維護(hù)成本博弈下的維護(hù)決策110
7.4.1維護(hù)成本計(jì)算110
7.4.2基于成本評(píng)估的維護(hù)時(shí)間的確定110
7.4.3維護(hù)成本率計(jì)算111
7.5實(shí)驗(yàn)驗(yàn)證112
7.5.1離線預(yù)測(cè)建模結(jié)果112
7.5.2在線維護(hù)規(guī)劃結(jié)果113
7.5.3維護(hù)策略性能分析116
7.6本章小結(jié)117

第8章 考慮備件管理約束的預(yù)測(cè)維護(hù)方法118
8.1概述118
8.2主要思想118
8.3基于深度學(xué)習(xí)集成的系統(tǒng)健康預(yù)測(cè)119
8.3.1兩種深度學(xué)習(xí)算法集成119
8.3.2裝備健康預(yù)測(cè)實(shí)現(xiàn)過程121
8.4基于預(yù)測(cè)信息的維護(hù)和庫(kù)存決策規(guī)則122
8.4.1維護(hù)決策規(guī)則122
8.4.2庫(kù)存決策規(guī)則123
8.4.3預(yù)測(cè)維護(hù)實(shí)施過程123
8.5實(shí)驗(yàn)驗(yàn)證124
8.5.1預(yù)測(cè)精度討論125
8.5.2動(dòng)態(tài)預(yù)測(cè)維護(hù)決策結(jié)果與分析130
8.6本章小結(jié)133

第9章 基于失效時(shí)刻概率密度預(yù)測(cè)的預(yù)測(cè)維護(hù)方法134
9.1概述134
9.2主要思想134
9.3失效時(shí)刻概率密度預(yù)測(cè)135
9.3.1基于深度學(xué)習(xí)分位數(shù)回歸的剩余壽命預(yù)測(cè)135
9.3.2基于核密度估計(jì)的失效時(shí)刻分布計(jì)算136
9.4基于預(yù)測(cè)信息的維護(hù)和庫(kù)存策略137
9.4.1維護(hù)策略137
9.4.2庫(kù)存策略138
9.5實(shí)驗(yàn)驗(yàn)證139
9.5.1DAE-LSTMQR模型的參數(shù)配置139
9.5.2失效時(shí)刻概率密度預(yù)測(cè)結(jié)果140
9.5.3維護(hù)和庫(kù)存決策結(jié)果142
9.6本章小結(jié)144

第10章 面向非定期不可靠檢查的預(yù)測(cè)維護(hù)方法145
10.1概述145
10.2主要思想146
10.3維護(hù)策略的框架：描述和分析147
10.3.1維護(hù)描述147
10.3.2退化過程建模149
10.3.3維護(hù)成本函數(shù)149
10.4維護(hù)狀態(tài)演化與維護(hù)周期計(jì)算150
10.4.1基于半再生過程的長(zhǎng)期成本率計(jì)算150
10.4.2半再生過程中不可靠檢查的影響151
10.5維護(hù)優(yōu)化和參數(shù)更新153
10.5.1決策變量的確定153
10.5.2退化參數(shù)更新154
10.6實(shí)驗(yàn)驗(yàn)證155
10.6.1完美檢查下的維護(hù)策略分析156
10.6.2不可靠檢查下的維護(hù)策略分析158
10.6.3與定期可靠檢查下的維護(hù)策略比較160
10.7本章小結(jié)161

參考文獻(xiàn)162