数智维修导论

本书系统论述了装备维修保障数智化变革的理论与实践，是对数智维修这一全新领域的一次极为有益的探索。本书基于作者数十年的装备维修保障研究经验，全面梳理了数智维修的概念内涵及其生态系统，论述了数智维修的数据管理与应用方法，研究了面向数智维修的状态感知与评估、故障诊断与寿命预测、信息融合、决策与优化、资源供应保障等方面的关键技术，并通过典型案例展示了数智维修的具体形态及发展趋势。本书兼具顶层理论体系及技术框架，对我国数智维修领域变革具有重要的指导意义，值得相关领域的专家、学者、工程技术人员及项目管理人员研读。

栗琳，1964年1月出生，国家首批高端智库军事科学院国防科技创新研究院的资深专家，北京大学特聘教授，北大情报学博士生导师。2006年优秀国防科技情报工作者，2009年政府特殊津贴获得者，2013年军队优秀专业技术人才一类岗位津贴获得者。长期从事国防科技发展战略与装备维修保障研究，获军队科技进步一等奖1项，二等奖7项，军事理论研究一等奖1项。2021年作为主要作者完成了《情报与智库》专著，该专著获国家社科基金重大项目以及国家科学技术学术著作出版基金资助。

目录序一序二前言第1章 绪论1.1数智维修概念内涵1.1.1维修理念的发展1.1.2维修信息化与数智维修1.1.3数智维修的特征1.2数智维修产生的背景1.2.1智能社会为数智维修的发展创造了基本条件1.2.2智能化战争呼唤装备维修保障模式变革1.2.3维修信息化建设为数智维修奠定数据基础1.2.4故障预测与健康管理技术推动了数智维修的发展1.3数智维修体系架构与业务模型1.3.1单装与装备体系数智维修1.3.2单装数智维修体系架构1.3.3装备体系数智维修运行架构1.3.4数智维修业务模型1.4数智维修现状及趋势1.4.1智能精确的保障理念在实践中不断发展1.4.2管理创新将成为一种战略性方法技术1.4.3先进维修技术在数智维修中的应用不断拓展1.5本书框架结构第2章 数智维修生态系统2.1数智维修发展的顶层战略2.2数智维修建设的基本原则2.2.1数智维修本质上是维修业务的转型升级2.2.2数据科学将在数智维修中发挥核心作用2.2.3物联网在资源感知与响应中发挥关键作用2.2.4人工智能技术支撑装备维修保障动态决策与优化2.2.5数字孪生技术在全寿命周期装备维修保障中逐渐获得应用2.3数智维修运行的基础平台2.3.1数据采集层2.3.2数据管理层2.3.3数据处理层2.3.4业务组件层2.3.5场景应用层2.4数智维修实施的支撑条件2.4.1实施组织变革2.4.2推进观念转变2.4.3强化标准化数据治理第3章 数智维修数据管理3.1面向全寿命周期的维修数据3.2维修元数据管理3.3结构化维修数据管理3.3.1维修主数据管理3.3.2装备维修保障参考数据及事务数据管理3.3.3装备维修保障监测数据管理3.3.4维修保障分析数据管理3.4非结构化维修数据管理3.5维修数据质量评估与管理3.5.1维修数据质量管理环节3.5.2数据质量控制3.5.3数据质量评估3.6数智维修数据安全第4章 数智维修状态感知与评估4.1状态感知与评估概述4.2状态感知技术4.2.1典型系统状态参数选择4.2.2典型传感器的应用4.2.3状态感知数据预处理4.3状态特征提取技术4.3.1状态特征提取的工作内容4.3.2基于感知数据的特征计算4.3.3状态特征的优化选择与提取技术4.4健康状态评估方法4.4.1健康状态等级4.4.2神经网络模型4.4.3灰色关联分析法4.4.4模糊综合评判法4.5典型应用4.5.1波音737-800飞机应用案例4.5.2美国海军舰船综合状态评估系统4.5.3“猛禽”战斗机F119发动机应用案例第5章 数智维修故障诊断与寿命预测5.1故障诊断与寿命预测概述5.2基于机器学习的故障诊断方法与技术5.2.1故障诊断方法分类5.2.2基于深度学习的故障诊断技术5.2.3故障诊断应用数据智能技术应关注的问题5.3数据驱动的寿命预测方法与技术5.3.1数据驱动的寿命预测框架5.3.2寿命预测的目标及方法5.3.3基于深度学习的寿命预测技术5.3.4寿命预测模型的评价5.4典型应用5.4.1阿帕奇直升机机队健康与使用监控系统5.4.2EJ200发动机故障预测与健康管理第6章 数智维修信息融合6.1数智维修信息融合概述6.1.1数智维修信息融合范围6.1.2数智维修信息融合思路6.1.3数智维修信息融合效果6.2维修数据到维修信息的转换6.2.1基于关联挖掘的维修数据关系梳理6.2.2维修数据的密度聚类异常标注方法6.2.3维修数据的异构模糊匹配6.3维修信息向维修知识的转换6.3.1多源异构装备维修知识自动抽取6.3.2维修多维度知识相关性分析6.3.3维修信息融合与集成6.4典型应用6.4.1美国陆军全球作战保障系统6.4.2某型船用柴油机非结构化数据融合第7章 数智维修资源保障7.1基于感知与响应的维修资源规划7.1.1数智维修对资源保障的要求7.1.2感知与响应保障系统的构成7.2维修资源感知与数据分析7.2.1维修资源数据感知7.2.2维修资源数据智能分析7.2.3维修资源储存与管理7.3维修资源可视化与保障建模技术7.3.1维修资源可视化技术7.3.2维修资源建模与优化方法7.3.3维修资源模型开发及应用技术7.4典型应用7.4.1某部队装备智能仓储与运维典型实践7.4.2美国海军基于5G无线技术的智能仓库第8章 数智维修决策与优化8.1数智维修决策应用场景8.2维修业务数据分析模型8.2.1基于模糊神经网络的维修规则构建模型8.2.2基于关系网络模型的维修业务关系构建8.3数智维修决策生成与优化方法8.3.1基于强化学习的装备维修保障决策8.3.2基于迁移学习的装备维修保障决策8.3.3基于多业务联邦学习的维修决策8.3.4机器学习—专家系统双反馈协同的维修决策优化8.4典型应用8.4.1美国陆军战术、战役、战略级决策支持8.4.2F-35战斗机基于作战数据集成网络的决策与优化8.4.3波音公司AnalytX数智维修规划与管理工具8.4.4美国海军面向大数据分析的维修决策工具第9章 数智维修实践和应用展望9.1数智维修基本能力构成9.2数智维修平台业务框架设计9.3数智维修平台典型应用9.3.1应用一：装备状态感知与评估9.3.2应用二：装备故障诊断与预测9.3.3应用三：维修保障信息融合9.3.4应用四：维修决策与优化9.3.5应用五：多层级维修资源精准调控9.3.6应用六：孪生数据驱动的设计改进与优化9.4数智维修应用展望