本书主要介绍了故障诊断与预测方法、智能预测性维护技术体系与框架、基于IoT的感知资源管理框架与模型、面向复杂制造环境的无线路由模型与算法、数据采集的协议集成与设计案例、数据驱动的故障诊断方法、数据驱动的故障预测模型与方法、智能工厂的维护优化调度与决策、大范围维护服务预测与优化配置、基于信息物理系统的运行过程控制。
本书可作为自动测试、可靠性和预测性维护等产品服务领域的重要参考书。

刘敏，同济大学，教授，博士生导师 。近年，在国内外学术期刊和国际会议发表论文100余篇，SCI/EI摘引100余篇次，研究了智能制造、大数据分析与预测、基于互联网的服务优化调度与配置等基础理论、方法和技术，申报国家发明专利10余项，授权6项、软件著作权9项。多次担任国际学术会议的分会主席及程序委员会委员，受到人民邮电报、上海商报和常熟日报等媒体采访，担任上海市企业信息化促进中心理事和专家。先后获得CAA技术发明一等奖（2015）、菲尼克斯电气奖教金（2013）、同济大学攀登高层次人才基金（2011）、上海市科技进步二等奖、863计划CIMS先进工作者、上海市政府津贴等荣誉。

第1章绪论/1
1.1引言/1
1.1.1基于大数据的预测性分析与决策/1
1.1.2设备的智能预测性维护/2
1.1.3面向设备运营网络的智能预测性维护/5
1.2维护策略/6
1.2.1故障维护/6
1.2.2预防性维护/8
1.2.3状态维护/8
1.2.4预测性维护/11
1.2.5智能预测性维护/12
1.2.6维护策略的选择方法/13
1.3发展趋势/14
1.4本书内容安排/15
参考文献/16

第2章故障诊断与预测方法/17
2.1故障诊断与预测方法的一般分类/17
2.1.1故障诊断方法/18
2.1.2故障预测方法/20
2.2基于物理模型的故障预测方法/23
2.3基于可靠性模型的故障预测方法/24
2.4数据驱动的故障预测方法/27
2.4.1基于退化过程模型的方法/28
2.4.2基于机器学习的方法/30
2.4.3基于深度学习的方法/44
2.5融合模型驱动的故障预测方法/45
2.5.1信息融合技术/45
2.5.2融合建模的思路和方法/51
2.5.3一种多分类器融合模型/52
2.6基于失效样本的故障预测方法选择/54
参考文献/55

第3章智能预测性维护技术体系与框架/58
3.1智能制造的参考体系架构/58
3.2面向设备的智能预测性维护策略/60
3.2.1基于5C的预测性维护模型/60
3.2.2基于CPS的智能预测性维护模型/62
3.3面向设备运营网络的智能预测性维护策略/65
3.3.1设备运营与维护网络/65
3.3.2面向SPdM网络的数据获取与维护决策/66
3.4基于数据挖掘的智能预测性维护技术体系与框架/69
参考文献/70

第4章基于IoT的感知资源管理框架与模型/72
4.1基于IoT的感知资源模型及管理框架/72
4.1.1IoT感知资源模型/73
4.1.2基于IoT的感知资源管理框架/79
4.1.3基于IoT的数据采集与处理框架/82
4.2基于区块链的IoT资源安全管理模型/88
4.2.1区块链与物联网的关系/89
4.2.2基于区块链的工业物联网平台/92
4.2.3基于SMPC的秘密分享机制和数据存储方法/94
4.2.4标识管理和链路协议/98
4.3基于区块链的IoT数据共享模型/101
4.4案例研究/104
参考文献/106

第5章面向复杂制造环境的无线路由模型与算法/107
5.1网络路由协议的研究现状/107
5.2基于QoS的无线传感器网络路由模型/109
5.2.1QoS的度量参数/109
5.2.2具有QoS的网络路由协议与模型/111
5.3基于量子蚁群算法的路由优化算法/113
5.3.1蚁群算法和量子进化算法优化机理/113
5.3.2量子蚁群算法/116
5.3.3量子蚁群多目标路由算法设计/120
5.3.4算法性能分析/121
5.4实验与结果分析/122
参考文献/126

第6章数据采集的协议集成与设计案例/129
6.1状态监测数据采集框架/129
6.2监测网络的协议选择/131
6.2.1CAN总线协议/132
6.2.2ZigBee协议/134
6.2.3GPRS协议/137
6.3硬件选型与设计/138
6.3.1传感器选型/138
6.3.2数据采集网络层设计/139
6.4软件设计/148
6.4.1ZigBee节点程序设计/149
6.4.2ARM控制板程序设计/149
参考文献/151

第7章数据驱动的故障诊断方法/152
7.1数据驱动故障诊断方法的研究现状/152
7.2面向非平稳非线性状态数据的特征提取方法/154
7.2.1产品的故障模式及信号监测方法/154
7.2.2状态监测信号的特征提取方法/155
7.2.3图像处理与波形处理相结合的特征提取方法/159
7.3基于卷积神经网络和集成学习的故障诊断方法/162
7.3.1多层多尺度特征最优配置的CNN模型/162
7.3.2基于多层多尺度深度CNN和RFs的集成学习方法/164
7.3.3实验仿真、分析与应用验证/164
7.4基于卷积神经网络和迁移学习的故障诊断方法/169
7.4.1迁移学习的概念/169
7.4.2基于CNN和TL的故障诊断模型/170
7.4.3实验仿真、分析与应用验证/172
参考文献/175

第8章数据驱动的故障预测模型与方法/177
8.1基于量子多智能体神经网络的故障预测模型/177
8.1.1神经网络故障预测模型/178
8.1.2QMA-BPNN算法/179
8.1.3基于量子多智能体神经网络的预测算法/183
8.1.4算法分析/185
8.2基于机器学习的故障预测模型/188
8.2.1故障预测建模技术/189
8.2.2算法的训练、仿真和评估/192
8.2.3算法的验证和测试方法/194
8.3基于深度学习的故障预测模型/198
8.3.1卷积神经网络模型/199
8.3.2面向多元时间序列数据的多种CNN预测模型/203
8.3.3算法分析/209
参考文献/219

第9章智能工厂的维护优化调度与决策/221
9.1维护与库存的联合优化问题/221
9.1.1维护需求的种类/221
9.1.2维护策略与库存控制模型的特征分类/222
9.2维护与备件库存的联合优化策略/229
9.2.1基于块的维护策略和定期检查库存策略/230
9.2.2基于块的维护策略和连续检查库存策略/230
9.2.3基于役龄的维护策略和定期检查库存策略/231
9.2.4基于役龄的维护策略和连续检查库存策略/232
9.2.5状态维护策略和定期与连续库存检查策略/233
9.3预测性维护与备件库存联合优化模型/235
9.3.1基于仿真的联合优化模型/236
9.3.2基于马尔科夫决策过程MDP的联合优化模型/245
9.3.3基于预测事件的联合优化模型/251
参考文献/255

第10章大范围维护服务预测与优化配置/260
10.1MRO运营网络的服务需求预测与优化问题/260
10.2基于产品劣化状态的需求预测与服务提供模型/263
10.2.1生产设备的加速劣化模型/264
10.2.2基于产品劣化状态的需求预测及服务提供模型/267
10.2.3算例分析/270
10.3基于DSSI理论和FAHP赋权模式的服务提供商管理/276
10.3.1理论背景/277
10.3.2基于DSSI理论的提供商选择模型/280
10.3.3基于FAHP赋权模式的提供商评价方法/291
10.4基于改进随机规划的服务备件预测与管理模型/301
10.4.1基于改进随机规划的备件管理模型/302
10.4.2模型求解/307
10.4.3算例分析/310
10.5基于模糊随机规划和利润共享模式的服务资源配置/319
10.5.1基于模糊随机规划和利润共享式的服务资源配置/320
10.5.2模型求解/325
10.5.3算例分析/331
参考文献/340

第11章基于信息物理系统的运行过程控制/342
11.1CPS系统/342
11.1.1CPS的定义/342
11.1.2CPS研究现状/343
11.1.3CPS架构/345
11.2基于数字孪生的运行过程智能控制模型/351
11.2.1数字孪生模型/351
11.2.2数字孪生模型的相关应用/353
11.2.3运行过程智能控制模型/358
11.3数据驱动生产过程参数优化案例分析/360
11.3.1数据采集与预处理/361
11.3.2系统建模与计算分析/362
11.3.3智能生产优化策略/376
参考文献/378

索引/380