智能运维技术及应用

国家出版基金项目，近百位高校、业内专家倾力打造

智能运维是面向产品全生命周期智能制造的重要组成部分。随着感知技术、预测技术和智能技术的深度应用，装备维修从原来的事后维修模式、定时维修模式逐步向基于状态的维修模式转变，而提高装备状态监测和维修决策水平是实现这种转变的关键。本书在基于状态的维修模式及其技术体系基础上，对基于状态的维修所涉及的数据处理、状态监测、趋势预测、故障诊断、维修决策等关键技术进行阐述，为复杂装备制造服务和智能运维提供技术参考。

钟诗胜 1964年6月出生，工学博士，教授，博士生导师。主要从事数字化设计与制造技术、数控技术与装备、复杂装备故障诊断与维修决策技术研究。承担过包括国家自然科学基金重点项目、国家863计划重点项目、国防基础研究重点项目、欧盟科技计划项目在内的多个项目。发表学术论文260余篇，获省部级科学技术一等奖1项、二等奖2项、三等奖2项。装备发展部先进制造技术专业组专家、中国机械工程学会机械工业自动化分会副理事长、中国机械工程学会机械设计分会理事，国家自然科学基金民航联合基金项目上会评审专家，国家科技进步奖通讯评审专家。 张永健，1981年03月出生，工学博士，讲师。主要从事知识工程、智能设计、复杂装备健康管理等技术的研究与相关应用系统的研制开发。参与国家自然科学基金项目、国家863计划项目、装备预研项目、高等学校博士点专项基金、企业横向项目等多个项目。发表学术论文10余篇。付旭云，1981年11月出生，工学博士，副教授。主要从事复杂装备健康管理与维修决策支持技术研究。承担或参与过包括国家自然科学基金项目、国家863计划项目、民航科技计划项目等在内的多个项目。发表学术论文10余篇，获省部级科学技术一等奖1项。

第1章智能运维概述00

1.1智能运维的主要内容00

1.2制造服务与智能运维00

1.2.1制造服务概述00

1.2.2智能运维在制造服务中的作用00

1.3设备维修策略的主要类型00

1.3.1事后维修策略00

1.3.2定时维修策略00

1.3.3基于状态的维修策略00

1.3.4预测性维修策略0

1.4智能运维的主要关键技术0

1.5本书主要内容0

参考文献0

第2章设备状态数据预处理0

2.1状态数据预处理概述0

2.2状态数据的粗大误差去除0

2.2.1粗大误差去除原理及方法分析0

2.2.2粗大误差判别准则及其选择0

2.2.3粗大误差去除应用实例0

2.3状态数据的平滑处理0

2.3.1异常值保护指数平滑法0

2.3.2异常值识别多点移动平均法0

2.4基于连续小波变换模极大曲线的信号突变识别与重构0

2.4.1信号连续小波变换与反演算法0

2.4.2基本小波的选择0

2.4.3边沿效应及伪模极大的处理0

2.4.4信号突变识别与重构应用案例0

2.5基于趋势项提取的状态数据处理方法0

2.5.1奇异值分解降噪及其不足0

2.5.2基于EMD的信号趋势分量提取方法0

2.5.3EMD和SVD相结合的状态数据处理方法0

2.5.4应用案例0

2.6本章小结0

参考文献0

第3章状态特征的提取与迁移0

3.1状态特征提取概述0

3.2基于核主元分析的状态特征提取0

3.2.1主元分析的算法与分析0

3.2.2主元中核函数的引入0

3.2.3核主元分析特征提取的形式化描述0

3.2.4核主元分析算法的改进0

3.3基于自动编码器的状态特征提取0

3.3.1自动编码器0

3.3.2去噪自动编码器0

3.3.3稀疏自动编码器0

3.3.4收缩自动编码器0

3.4基于深度学习的状态特征提取0

3.4.1深度学习简介0

3.4.2深度置信网络0

3.4.3堆叠自动编码器0

3.4.4卷积神经网络0

3.5基于深度迁移学习的状态特征迁移0

3.5.1迁移学习简介0

3.5.2DNN的可迁移性0

3.5.3深度迁移学习中的finetuning方法0

3.5.4深度迁移学习在民航发动机气路异常检测中的应用0

3.6本章小结0

参考文献0

第4章设备状态的异常检测0

4.1异常检测概述0

4.2异常的定义与分类0

4.3典型的异常检测方法0

4.3.1基于复制神经网络的异常检测0

4.3.2基于孤立森林的异常检测0

4.3.3基于最近邻的异常检测0

4.3.4基于聚类的异常检测0

4.3.5基于统计的异常检测0

4.3.6应用案例0

4.4基于QAR数据的航空发动机间歇性气路异常检测

4.4.1QAR数据特点与深度特征提取问题分析

4.4.2联合SDAE与高斯分布方法的发动机异常检测

4.4.3应用案例

4.5基于ACARS数据的航空发动机持续性气路异常检测

4.5.1ACARS报文特点与深度特征提取问题分析

4.5.2基于分组卷积去噪自编码器的发动机气路持续性异常检测

4.5.3应用案例

4.6本章小结

参考文献

第5章设备的故障诊断

5.1故障诊断概述

5.2指印图与自组织特征映射网络相结合的发动机气路故障诊断

5.2.1SOFM神经网络模型

5.2.2SOFM网络的学习算法

5.2.3基于指印图的航空发动机气路故障诊断实例

5.3小样本条件下基于迁移学习的发动机气路故障诊断

5.3.1气路参数偏差值数据分析及样本设置

5.3.2基于CNN与SVM的气路故障诊断方法

5.3.3实验步骤及数据的收集

5.3.4实验

5.4本章小结

参考文献

第6章短期状态趋势预测

6.1短期状态趋势预测概述

6.2基于改进支持向量回归的短期状态趋势预测

6.2.1支持向量回归模型

6.2.2改进的支持向量回归模型

6.2.3基于改进支持向量机回归的发动机振动趋势预测

6.2.4参数对预测性能的影响分析

6.3基于连续过程神经网络的短期状态趋势预测

6.3.1过程神经网络与时间序列预测

6.3.2混合递归过程神经网络的拓扑结构

6.3.3混合递归过程神经网络学习算法

6.3.4混合递归过程神经网络预测的应用案例

6.4基于动态集成算法的短期状态趋势预测

6.4.1时间序列相空间重构

6.4.2动态加权核密度估计集成学习机

6.4.3基于动态集成算法的趋势预测应用案例

6.5状态参数自适应区间预测模型

6.5.1预测区间效果量度指标

6.5.2基于神经网络的自适应区间预测模型

6.5.3基于和声搜索的输出构造控制参数优化

6.5.4航空发动机EGTM序列区间预测应用案例

6.6本章小结

参考文献

第7章长期状态趋势预测

7.1长期状态趋势预测概述

7.2基于性能衰退模式挖掘的长期状态趋势预测

7.2.1性能衰退模式分析

7.2.2快速衰退阶段模式挖掘

7.2.3正常衰退阶段模式挖掘

7.2.4基于模式匹配的长期状态趋势预测

7.2.5应用案例

7.3基于DBSAGMM的长期状态趋势预测

7.3.1多元时间序列长期预测技术概述

7.3.2性能衰退轨迹的SBP预测问题描述

7.3.3基于统计距离的序列化高斯元聚合方法

7.3.4应用案例

7.4本章小结

参考文献

第8章设备的短期维修规划

8.1短期维修规划概述

8.2维修时机优化

8.2.1维修期限预测

8.2.2基于维修期限的维修时机优化

8.2.3应用案例

8.3送修目标导向的维修工作范围决策

8.3.1决策过程

8.3.2确定条件下单元体性能恢复值分配优化

8.3.3不确定条件下单元体性能恢复值分配优化

8.3.4应用案例

8.4基于生存分析的维修工作范围决策

8.4.1单元体维修级别生存分析模型

8.4.2维修工作范围优化模型

8.5本章小结

参考文献

第9章面向全寿命的设备维修规划

9.1全寿命维修规划概述

9.2基于智能优化的全寿命维修规划

9.2.1全寿命维修规划建模

9.2.2在全寿命维修时机确定条件下的单元体最优维修策略

9.2.3在全寿命维修时机确定条件下的寿命件最优更换策略

9.2.4基于粒子群优化算法的发动机维修规划模型求解

9.2.5应用案例

9.3基于Q学习的全寿命维修规划

9.3.1基于Q学习的民航发动机维修规划建模

9.3.2算法流程

9.3.3应用案例

9.4基于DQN的全寿命维修规划

9.4.1深度Q学习理论简介

9.4.2基于DQN的维修规划建模

9.4.3算法训练流程

9.4.4应用案例

9.5本章小结

参考文献

第10章维修成本与备件需求预测

10.1概述

10.2维修成本预测

10.2.1维修成本构成分析

10.2.2大样本条件下的维修成本预测

10.2.3小样本条件下的维修成本预测

10.3易损件的备件需求预测

10.3.1周期型需求模式下的备件需求预测

10.3.2非周期需求模式下的备件需求预测

10.4关键件的备件需求预测

10.4.1需求发生时间预测

10.4.2基于时间聚合的需求量预测

10.4.3应用案例

10.5本章小结

参考文献

第11章车间维修过程管理

11.1车间维修过程管理概述

11.2车间维修分解装配序列规划

11.2.1基于Petri网的分解装配建模

11.2.2Petri网的最优变迁激发序列规划

11.2.3零部件最优分解装配序列规划

11.2.4分解装配序列规划应用案例

11.3车间维修工作流时间管理

11.3.1维修作业工作流的动态建模

11.3.2维修作业层次细化工作流网的可调度性

11.3.3维修工作流执行时间的计算与分析

11.3.4工作流验证方法应用案例

11.4车间维修资源调度

11.4.1维修作业过程自底向上建模

11.4.2化解维修资源冲突的路由策略

11.4.3维修车间资源静态调度算法

11.4.4维修车间资源动态调度算法

11.4.5维修资源调度应用案例

11.5本章小结

参考文献

第12章设备智能运维决策系统平台设计与实现

12.1设备智能运维决策系统平台需求概述

12.2面向服务的智能运维模式分析

12.3运维决策数据的集成管理

12.3.1设备运维数据建模

12.3.2基于BOM的运维数据集成管理

12.4构件化的设备智能运维决策系统架构设计

12.4.1设备智能运维决策系统平台体系架构

12.4.2系统功能的构件化管理

12.5设备智能运维决策系统平台核心功能与系统配置

12.5.1多源运维决策数据的接入

12.5.2运维数据的存储及查询管理

12.5.3基于流程引擎的业务过程管理

12.5.4复杂应用环境下的权限控制

12.5.5基于订阅模式的消息管理

12.5.6基于业务构件的应用系统配置

12.6本章小结

参考文献

第13章航空发动机机队智能运维系统及其应用

13.1概述

13.2航空发动机原理简介

13.3系统需求分析

13.4系统关键技术

13.4.1航空发动机运维数据组织

13.4.2航空发动机构型数据管理

13.4.3支持多协议的航空发动机监控参数采集

13.4.4航空发动机监控参数大数据存储

13.5系统设计

13.5.1功能模型设计

13.5.2信息模型设计

13.6系统运行实例

13.7系统实施

13.8系统应用情况

13.9本章小结

参考文献

智能运维是指在对设备运行状态信息进行辨识、获取、处理和融合的基础上，评价设备的健康状态，预测设备的性能及其变化趋势、故障发生时机和剩余使用寿命，并采取必要的维护维修措施以延缓设备的性能衰退、排除设备故障、预测备件需求的决策和执行过程，其目标是实现设备的远程诊断、在线运维、预测运行和精准服务。

随着智能运维技术的不断发展，制造业与服务业相互渗透、相互融合，使得制造企业逐步从原来的生产型制造走向未来的服务型制造，进而形成制造业、服务业与互联网深度融合发展的新型产业形态，这种新型产业形态既是基于制造的服务，又是面向服务的制造，或称为制造服务。制造服务的核心要义是制造企业从原来的单纯为用户提供“产品”向提供“产品+服务”转变，其主要技术基础就是智能运维技术。目前，制造服务已经成为发达国家高端装备制造企业赢得综合竞争力的法宝。例如，全球三大航空发动机制造公司通用电气(General Electric，GE)公司、普惠(Pratt&Whitney，PW)公司、罗罗(RollsRoyce，RR)公司都纷纷改变原有单一出售发动机的经营模式，致力于扩展发动机运行维护、发动机租赁、发动机数据管理分析以及有偿数据推送等售后服务业务，通过服务合同绑定用户，延长产业链条，扩大利润空间，进而赢得市场竞争。

我国是制造业大国，但与发达国家制造业相比，我国在制造服务模式创新和业态发展方面都还有很大的差距，其根本原因是智能运维技术和系统方面还存在差距。企业普遍存在设计制造与运维服务业务脱节、数据孤岛、知识分离等问题，缺乏自主研发的高端数据采集设备和工业大数据管理平台，跨生命周期阶段数据集成、知识发现与信息共享还不够，大量宝贵的运维数据没有得到有效利用。产品设计制造阶段难以获得充足的运维数据，难以全面了解自身产品的运维状态和故障情况，影响了企业对其产品进行设计制造改进优化的进程，制约着制造服务业态的快速形成，也使得我国制造业长期处于产业链的低端，迫切需要建立设备运行状态监测、异常检测、综合评价、故障诊断、寿命预测、维修优化和资源规划等智能运维相关的理论方法、技术体系、系统平台和标准规范，为我国制造服务业态的快速发展和制造企业的服务转型提供理论技术和系统平台支撑。

本书编著者所在的科研团队于2000年就开始从事航空发动机智能运维理论、技术、系统与应用研究，牵头承担了国家重点研发计划项目、国家自然科学基金重点项目、国家“863”计划项目等多个国家和省部级项目，形成了易扩展、可重构、支持多客户端、支持跨企业应用的复杂装备智能运维管理系统平台。基于该系统平台可以快速、灵活地定制出满足不同航空公司在机队规模、发动机类型、组织模式、业务流程、信息基础等方面差异性需求的发动机机队健康管理与维修决策系统。团队构建的“民用航空发动机机队健康管理与维修决策支持系统”于2010年开始先后应用于国航、山航、川航和成都航等多家航空公司。仅在国航，该系统就已经管理了包括通用电气公司、普惠公司、罗罗公司和CFM等型号发动机机队的所有1600多台发动机和800多台APU（辅助动力源），涉及管理的发动机的送修成本多达200多亿元人民币，解决了困扰该公司多年的多机型、大机队、多地域所带来的发动机管理困难的问题，显著提高了该公司发动机维修工程管理水平和维修资源利用率，降低了空停率，取得了显著的经济效益和社会效益。

通过多年积累，形成了具有团队特色的面向全寿命、全机队和全成本的发动机运维数据管理、状态监控、故障诊断、寿命预测、维修决策和维修资源优化的方法体系和解决方案。本书是该团队在该领域研究工作的一个总结，由钟诗胜、张永健和付旭云联合执笔完成，其中钟诗胜编写了第1、2、12、13章，张永健编写了第3、4、5、11章，付旭云编写了第6~10章。本书的相关章节内容涉及或引用了该团队毕业的部分博士生和硕士生的研究成果，主要包括汤新民、栾圣罡、付旭云、雷达、崔智全、金向阳、谭治学、李臻、罗辉、张一震、陈湘芝、付松、陈海波等。在此向他们表示衷心感谢！并祝愿从该团队毕业的所有研究生工作顺利！事业有成！家庭幸福！

本书中介绍了状态数据预处理、状态特征提取、设备异常检测、设备故障诊断、状态趋势预测、维修规划优化、备件与成本规划、维修车间管理、智能运维系统基础平台、智能运维系统及其应用等内容，希望对从事智能制造、制造服务、智能运维等相关工作的工程技术人员和研究生有所帮助。尽管本书的理论、模型、算法和系统经过了实例验证，但难免存在考虑不周全的地方，敬请读者批评指正。

本书的研究工作得到国家重点研发计划“网络协同制造和智能工厂”专项、国家自然科学基金重点项目、国家“863”计划项目、民航局科技专项等多个国家和省部级项目的资助，在此一并表示衷心的感谢！

编著者

2021年8月