- 注釋 更新時間：2021-12-24 13:28:43
- 索引
- 參考文獻
- 11.3.3 智能生產優化策略
- 11.3.2 系統建模與計算分析
- 11.3.1 數據采集與預處理
- 11.3 數據驅動生產過程參數優化案例分析
- 11.2.3 運行過程智能控制模型
- 11.2.2 數字孿生模型的相關應用
- 11.2.1 數字孿生模型
- 11.2 基于數字孿生的運行過程智能控制模型
- 11.1.3 CPS架構
- 11.1.2 CPS研究現狀
- 11.1.1 CPS的定義
- 11.1 CPS系統
- 第11章 基于信息物理系統的運行過程控制
- 參考文獻
- 10.5.3 算例分析
- 10.5.2 模型求解
- 10.5.1 基于模糊隨機規劃和利潤共享式的服務資源配置
- 10.5 基于模糊隨機規劃和利潤共享模式的服務資源配置
- 10.4.3 算例分析
- 10.4.2 模型求解
- 10.4.1 基于改進隨機規劃的備件管理模型
- 10.4 基于改進隨機規劃的服務備件預測與管理模型
- 10.3.3 基于FAHP賦權模式的提供商評價方法
- 10.3.2 基于DSSI理論的提供商選擇模型
- 10.3.1 理論背景
- 10.3 基于DSSI理論和FAHP賦權模式的服務提供商管理
- 10.2.3 算例分析
- 10.2.2 基于產品劣化狀態的需求預測及服務提供模型
- 10.2.1 生產設備的加速劣化模型
- 10.2 基于產品劣化狀態的需求預測與服務提供模型
- 10.1 MRO運營網絡的服務需求預測與優化問題
- 第10章 大范圍維護服務預測與優化配置
- 參考文獻
- 9.3.3 基于預測事件的聯合優化模型
- 9.3.2 基于馬爾科夫決策過程MDP的聯合優化模型
- 9.3.1 基于仿真的聯合優化模型
- 9.3 預測性維護與備件庫存聯合優化模型
- 9.2.5 狀態維護策略和定期與連續庫存檢查策略
- 9.2.4 基于役齡的維護策略和連續檢查庫存策略
- 9.2.3 基于役齡的維護策略和定期檢查庫存策略
- 9.2.2 基于塊的維護策略和連續檢查庫存策略
- 9.2.1 基于塊的維護策略和定期檢查庫存策略
- 9.2 維護與備件庫存的聯合優化策略
- 9.1.2 維護策略與庫存控制模型的特征分類
- 9.1.1 維護需求的種類
- 9.1 維護與庫存的聯合優化問題
- 第9章 智能工廠的維護優化調度與決策
- 參考文獻
- 8.3.3 算法分析
- 8.3.2 面向多元時間序列數據的多種CNN預測模型
- 8.3.1 卷積神經網絡模型
- 8.3 基于深度學習的故障預測模型
- 8.2.3 算法的驗證和測試方法
- 8.2.2 算法的訓練、仿真和評估
- 8.2.1 故障預測建模技術
- 8.2 基于機器學習的故障預測模型
- 8.1.4 算法分析
- 8.1.3 基于量子多智能體神經網絡的預測算法
- 8.1.2 QMA-BPNN算法
- 8.1.1 神經網絡故障預測模型
- 8.1 基于量子多智能體神經網絡的故障預測模型
- 第8章 數據驅動的故障預測模型與方法
- 參考文獻
- 7.4.3 實驗仿真、分析與應用驗證
- 7.4.2 基于CNN和TL的故障診斷模型
- 7.4.1 遷移學習的概念
- 7.4 基于卷積神經網絡和遷移學習的故障診斷方法
- 7.3.3 實驗仿真、分析與應用驗證
- 7.3.2 基于多層多尺度深度CNN和RFs的集成學習方法
- 7.3.1 多層多尺度特征最優配置的CNN模型
- 7.3 基于卷積神經網絡和集成學習的故障診斷方法
- 7.2.3 圖像處理與波形處理相結合的特征提取方法
- 7.2.2 狀態監測信號的特征提取方法
- 7.2.1 產品的故障模式及信號監測方法
- 7.2 面向非平穩非線性狀態數據的特征提取方法
- 7.1 數據驅動故障診斷方法的研究現狀
- 第7章 數據驅動的故障診斷方法
- 參考文獻
- 6.4.2 ARM控制板程序設計
- 6.4.1 ZigBee節點程序設計
- 6.4 軟件設計
- 6.3.2 數據采集網絡層設計
- 6.3.1 傳感器選型
- 6.3 硬件選型與設計
- 6.2.3 GPRS協議
- 6.2.2 ZigBee協議
- 6.2.1 CAN總線協議
- 6.2 監測網絡的協議選擇
- 6.1 狀態監測數據采集框架
- 第6章 數據采集的協議集成與設計案例
- 參考文獻
- 5.4 實驗與結果分析
- 5.3.4 算法性能分析
- 5.3.3 量子蟻群多目標路由算法設計
- 5.3.2 量子蟻群算法
- 5.3.1 蟻群算法和量子進化算法優化機理
- 5.3 基于量子蟻群算法的路由優化算法
- 5.2.2 具有QoS的網絡路由協議與模型
- 5.2.1 QoS的度量參數
- 5.2 基于QoS的無線傳感器網絡路由模型
- 5.1 網絡路由協議的研究現狀
- 第5章 面向復雜制造環境的無線路由模型與算法
- 參考文獻
- 4.4 案例研究
- 4.3 基于區塊鏈的IoT數據共享模型
- 4.2.4 標識管理和鏈路協議
- 4.2.3 基于SMPC的秘密分享機制和數據存儲方法
- 4.2.2 基于區塊鏈的工業物聯網平臺
- 4.2.1 區塊鏈與物聯網的關系
- 4.2 基于區塊鏈的IoT資源安全管理模型
- 4.1.3 基于IoT的數據采集與處理框架
- 4.1.2 基于IoT的感知資源管理框架
- 4.1.1 IoT感知資源模型
- 4.1 基于IoT的感知資源模型及管理框架
- 第4章 基于IoT的感知資源管理框架與模型
- 參考文獻
- 3.4 基于數據挖掘的智能預測性維護技術體系與框架
- 3.3.2 面向SPdM網絡的數據獲取與維護決策
- 3.3.1 設備運營與維護網絡
- 3.3 面向設備運營網絡的智能預測性維護策略
- 3.2.2 基于CPS的智能預測性維護模型
- 3.2.1 基于5C的預測性維護模型
- 3.2 面向設備的智能預測性維護策略
- 3.1 智能制造的參考體系架構
- 第3章 智能預測性維護技術體系與框架
- 參考文獻
- 2.6 基于失效樣本的故障預測方法選擇
- 2.5.3 一種多分類器融合模型
- 2.5.2 融合建模的思路和方法
- 2.5.1 信息融合技術
- 2.5 融合模型驅動的故障預測方法
- 2.4.3 基于深度學習的方法
- 2.4.2 基于機器學習的方法
- 2.4.1 基于退化過程模型的方法
- 2.4 數據驅動的故障預測方法
- 2.3 基于可靠性模型的故障預測方法
- 2.2 基于物理模型的故障預測方法
- 2.1.2 故障預測方法
- 2.1.1 故障診斷方法
- 2.1 故障診斷與預測方法的一般分類
- 第2章 故障診斷與預測方法
- 參考文獻
- 1.4 本書內容安排
- 1.3 發展趨勢
- 1.2.6 維護策略的選擇方法
- 1.2.5 智能預測性維護
- 1.2.4 預測性維護
- 1.2.3 狀態維護
- 1.2.2 預防性維護
- 1.2.1 故障維護
- 1.2 維護策略
- 1.1.3 面向設備運營網絡的智能預測性維護
- 1.1.2 設備的智能預測性維護
- 1.1.1 基于大數據的預測性分析與決策
- 1.1 引言
- 第1章 緒論
- 前言
- 序
- 《“中國制造2025”出版工程》 編委會
- 內容概述
- 版權頁
- 封面
- 封面
- 版權頁
- 內容概述
- 《“中國制造2025”出版工程》 編委會
- 序
- 前言
- 第1章 緒論
- 1.1 引言
- 1.1.1 基于大數據的預測性分析與決策
- 1.1.2 設備的智能預測性維護
- 1.1.3 面向設備運營網絡的智能預測性維護
- 1.2 維護策略
- 1.2.1 故障維護
- 1.2.2 預防性維護
- 1.2.3 狀態維護
- 1.2.4 預測性維護
- 1.2.5 智能預測性維護
- 1.2.6 維護策略的選擇方法
- 1.3 發展趨勢
- 1.4 本書內容安排
- 參考文獻
- 第2章 故障診斷與預測方法
- 2.1 故障診斷與預測方法的一般分類
- 2.1.1 故障診斷方法
- 2.1.2 故障預測方法
- 2.2 基于物理模型的故障預測方法
- 2.3 基于可靠性模型的故障預測方法
- 2.4 數據驅動的故障預測方法
- 2.4.1 基于退化過程模型的方法
- 2.4.2 基于機器學習的方法
- 2.4.3 基于深度學習的方法
- 2.5 融合模型驅動的故障預測方法
- 2.5.1 信息融合技術
- 2.5.2 融合建模的思路和方法
- 2.5.3 一種多分類器融合模型
- 2.6 基于失效樣本的故障預測方法選擇
- 參考文獻
- 第3章 智能預測性維護技術體系與框架
- 3.1 智能制造的參考體系架構
- 3.2 面向設備的智能預測性維護策略
- 3.2.1 基于5C的預測性維護模型
- 3.2.2 基于CPS的智能預測性維護模型
- 3.3 面向設備運營網絡的智能預測性維護策略
- 3.3.1 設備運營與維護網絡
- 3.3.2 面向SPdM網絡的數據獲取與維護決策
- 3.4 基于數據挖掘的智能預測性維護技術體系與框架
- 參考文獻
- 第4章 基于IoT的感知資源管理框架與模型
- 4.1 基于IoT的感知資源模型及管理框架
- 4.1.1 IoT感知資源模型
- 4.1.2 基于IoT的感知資源管理框架
- 4.1.3 基于IoT的數據采集與處理框架
- 4.2 基于區塊鏈的IoT資源安全管理模型
- 4.2.1 區塊鏈與物聯網的關系
- 4.2.2 基于區塊鏈的工業物聯網平臺
- 4.2.3 基于SMPC的秘密分享機制和數據存儲方法
- 4.2.4 標識管理和鏈路協議
- 4.3 基于區塊鏈的IoT數據共享模型
- 4.4 案例研究
- 參考文獻
- 第5章 面向復雜制造環境的無線路由模型與算法
- 5.1 網絡路由協議的研究現狀
- 5.2 基于QoS的無線傳感器網絡路由模型
- 5.2.1 QoS的度量參數
- 5.2.2 具有QoS的網絡路由協議與模型
- 5.3 基于量子蟻群算法的路由優化算法
- 5.3.1 蟻群算法和量子進化算法優化機理
- 5.3.2 量子蟻群算法
- 5.3.3 量子蟻群多目標路由算法設計
- 5.3.4 算法性能分析
- 5.4 實驗與結果分析
- 參考文獻
- 第6章 數據采集的協議集成與設計案例
- 6.1 狀態監測數據采集框架
- 6.2 監測網絡的協議選擇
- 6.2.1 CAN總線協議
- 6.2.2 ZigBee協議
- 6.2.3 GPRS協議
- 6.3 硬件選型與設計
- 6.3.1 傳感器選型
- 6.3.2 數據采集網絡層設計
- 6.4 軟件設計
- 6.4.1 ZigBee節點程序設計
- 6.4.2 ARM控制板程序設計
- 參考文獻
- 第7章 數據驅動的故障診斷方法
- 7.1 數據驅動故障診斷方法的研究現狀
- 7.2 面向非平穩非線性狀態數據的特征提取方法
- 7.2.1 產品的故障模式及信號監測方法
- 7.2.2 狀態監測信號的特征提取方法
- 7.2.3 圖像處理與波形處理相結合的特征提取方法
- 7.3 基于卷積神經網絡和集成學習的故障診斷方法
- 7.3.1 多層多尺度特征最優配置的CNN模型
- 7.3.2 基于多層多尺度深度CNN和RFs的集成學習方法
- 7.3.3 實驗仿真、分析與應用驗證
- 7.4 基于卷積神經網絡和遷移學習的故障診斷方法
- 7.4.1 遷移學習的概念
- 7.4.2 基于CNN和TL的故障診斷模型
- 7.4.3 實驗仿真、分析與應用驗證
- 參考文獻
- 第8章 數據驅動的故障預測模型與方法
- 8.1 基于量子多智能體神經網絡的故障預測模型
- 8.1.1 神經網絡故障預測模型
- 8.1.2 QMA-BPNN算法
- 8.1.3 基于量子多智能體神經網絡的預測算法
- 8.1.4 算法分析
- 8.2 基于機器學習的故障預測模型
- 8.2.1 故障預測建模技術
- 8.2.2 算法的訓練、仿真和評估
- 8.2.3 算法的驗證和測試方法
- 8.3 基于深度學習的故障預測模型
- 8.3.1 卷積神經網絡模型
- 8.3.2 面向多元時間序列數據的多種CNN預測模型
- 8.3.3 算法分析
- 參考文獻
- 第9章 智能工廠的維護優化調度與決策
- 9.1 維護與庫存的聯合優化問題
- 9.1.1 維護需求的種類
- 9.1.2 維護策略與庫存控制模型的特征分類
- 9.2 維護與備件庫存的聯合優化策略
- 9.2.1 基于塊的維護策略和定期檢查庫存策略
- 9.2.2 基于塊的維護策略和連續檢查庫存策略
- 9.2.3 基于役齡的維護策略和定期檢查庫存策略
- 9.2.4 基于役齡的維護策略和連續檢查庫存策略
- 9.2.5 狀態維護策略和定期與連續庫存檢查策略
- 9.3 預測性維護與備件庫存聯合優化模型
- 9.3.1 基于仿真的聯合優化模型
- 9.3.2 基于馬爾科夫決策過程MDP的聯合優化模型
- 9.3.3 基于預測事件的聯合優化模型
- 參考文獻
- 第10章 大范圍維護服務預測與優化配置
- 10.1 MRO運營網絡的服務需求預測與優化問題
- 10.2 基于產品劣化狀態的需求預測與服務提供模型
- 10.2.1 生產設備的加速劣化模型
- 10.2.2 基于產品劣化狀態的需求預測及服務提供模型
- 10.2.3 算例分析
- 10.3 基于DSSI理論和FAHP賦權模式的服務提供商管理
- 10.3.1 理論背景
- 10.3.2 基于DSSI理論的提供商選擇模型
- 10.3.3 基于FAHP賦權模式的提供商評價方法
- 10.4 基于改進隨機規劃的服務備件預測與管理模型
- 10.4.1 基于改進隨機規劃的備件管理模型
- 10.4.2 模型求解
- 10.4.3 算例分析
- 10.5 基于模糊隨機規劃和利潤共享模式的服務資源配置
- 10.5.1 基于模糊隨機規劃和利潤共享式的服務資源配置
- 10.5.2 模型求解
- 10.5.3 算例分析
- 參考文獻
- 第11章 基于信息物理系統的運行過程控制
- 11.1 CPS系統
- 11.1.1 CPS的定義
- 11.1.2 CPS研究現狀
- 11.1.3 CPS架構
- 11.2 基于數字孿生的運行過程智能控制模型
- 11.2.1 數字孿生模型
- 11.2.2 數字孿生模型的相關應用
- 11.2.3 運行過程智能控制模型
- 11.3 數據驅動生產過程參數優化案例分析
- 11.3.1 數據采集與預處理
- 11.3.2 系統建模與計算分析
- 11.3.3 智能生產優化策略
- 參考文獻
- 索引
- 注釋 更新時間：2021-12-24 13:28:43
