本书是近几年作者对设备健康预测及维护领域的研究成果及经验总结，可以作为管理科学

与工程、工业工程等专业研究生科研辅助资料，使其了解设备的运行状态、衰退趋势以及采取的

维护策略。本书共分五个专题：国内外相关研究述评，单监测信息的在线健康预测，多监测信息

的在线健康预测，设备集成动态维护，设备维护调度。每一个专题都有引言部分和小结部分，通

过引言的学习，研究生可以掌握本专题的基本观点、原理和模型方法；通过小结的学习，研究生

对本专题有一个全面的认知和应用。

Ⅰ　

随着现代信息技术、物联网及大数据的快速发展，数据驱动的设备健康预测、

维护及运行状态，对企业生产经营和经济效益的影响也日益显著。设备的可靠性

和有效维护保障了企业正常运行，是企业生存的必要条件。因此，高效的设备维护

在企业生产经营中的作用和地位日益突出，是企业降低生产成本和保证生产效率

的基础。半个多世纪以来，不少学者针对设备的维护进行了许多研究，但是，设备

健康预测对维护策略影响方面的研究较少。

本书立足于过去几十年国内外的设备健康预测与维护相关的研究基础，利用

数据分析了设备的运行状态，描述了设备的衰退趋势，实现了有效的在线健康预

测，为设备的集成动态维护提供了决策依据。首先，本书应用隐式半马尔可夫模型

（ＨｉｄｄｅｎｓｅｍｉＭａｒｋｏｖＭｏｄｅｌ，ＨＳＭＭ）对设备在线运行过程中的健康进行识别与

预测，提出了单监测信息在线健康预测方法。其次，基于单监测信息在线健康预

测，探讨了多监测信息的在线健康预测方法。再次，基于设备在线健康预测和衰退

性能的预测，建立了设备的集成动态维护模型，从而有助于设备维护领域的发展。

最后，基于集成维护模型，描述了多部件设备维护调度的优化。

第１章是绪论部分，这部分主要阐述本书选题的背景、研究的技术路线，并且

讨论了研究主要创新点和所期望达到的研究目标。

第２章是相关概念部分，描述了设备健康管理的发展历程，分析和探讨了已有

设备健康预测、设备维护及调度的相关研究，包括对已有的研究进行回顾，评论已

有方法的不足，确定需要进一步研究的方向。同时，给出了退化隐半马尔可夫模型

的概念。

第３章研究了单监测信息的在线健康预测问题。基于ＨＳＭＭ 和序列蒙特卡

Ⅱ　

洛（ＳｅｑｕｅｎｔｉａｌＭｏｎｔｅＣａｒｌｏ，ＳＭＣ）的联合优化，建立了一套完整的ＨＳＭＭ 和ＳＭＣ

联合优化的在线健康预测模型，提出了一种联合多步向前健康识别算法，用于在线

识别设备的健康状态，并且，建立了在线剩余寿命预测模型。目前，已有的单一方

法、模型、算法很难满足设备的在线健康预测，本研究提出的联合模型，基于

ＨＳＭＭ 丰富的数学结构和ＳＭＣ 的在线特征，利用设备的健康预测对其性能状态

进行量化，进而描述了设备的实际运行状况，为设备在线健康管理提供理论支持和

决策依据。

第４章在单监测信息健康预测的基础上，建立了多监测信息的在线健康预测

模型。为了更好地提高在线健康预测的精确度，基于单监测信息在线健康预测

方法的思想，本书提出了多监测信息的在线健康预测方法。为了处理多监测信

息和降低模型的计算复杂性，对ＨＳＭＭ 的基本算法进行了修正，计算复杂性从

犗［（犕犇＋犕２）犜］降低到犗［（犇＋犕２）犜］。建立了自适应隐式半马尔可夫模型

（ＡｄａｐｔｉｖｅＨｉｄｄｅｎｓｅｍｉＭａｒｋｏｖＭｏｄｅｌ，ＡＨＳＭＭ），来处理多监测信息的在线健康

预测问题，应用最大似然线性回归训练对输出概率分布和驻留概率分布进行自适

应训练，处理多监测信息之间的差异性。结合修正的ＨＳＭＭ 进行有效的多监测

信息在线健康预测。在此基础上，本书提出了多监测信息的在线剩余寿命预测方

法。同时，探讨了设备的在线健康管理，得到基于多监测信息的预测模型，并比较

了两种健康预测方式的异同，给出了多源信息融合健康管理的启示与思考。

第５章在设备健康预测基础上，建立了基于在线健康预测的集成动态维护模

型。不同于传统的维护方式，集成维护将设备的退化信息和老化信息引入维护模

型中，结合设备的诊断信息和预测信息，以总的维护成本（故障成本、维护成本和资

源成本）和总维护时间为目标，建立了两层集成动态维护模型。在传统的维护模型

中，设备的维护资源只考虑了备件的约束条件，而本书同时考虑了备件和维修人员

的双约束条件。另外，针对小修和大修的维护方式，引入了维护风险因素，将维护

风险因子集成到维护模型，提出了设备集成维护管理的建议和策略。

第６章在系统的维护策略的基础上，建立了基于集成维护模型的维护调度优

化模型，针对多部件设备的特点，建立了多部件设备的维护拓展模型。多部件设备

的维护决策包括性能衰退、维护方式和维护费用三部分。在性能衰退方面，通过在

线诊断信息和预测信息得到设备故障率的变化趋势，用威布尔分布模拟设备的衰

退过程；在维护方式方面，定义小修、大修和更换三种维护方式，分别描述了三种维

护方式对设备故障率的影响；在维护费用方面，考虑了故障成本、维护成本、资源成

Ⅲ　

本和停机成本四部分，根据每次维护活动的费用模型，建立了多阶段的总费用率模

型。本研究为多部件设备维护管理奠定了理论基础和决策依据。

第７章为研究工作的总结，给出了研究的结论，并讨论了多源状态信息下的设

备在线健康预测、集成维护与设备衰退问题未来可能的研究方向。

本书的７章内容相互之间联系紧密，形成了一个数据驱动的系统性设备维护

决策框架。基于单监测信息在线健康预测思想，提出了多监测信息的健康预测方

法；基于在线健康预测，提出了考虑设备衰退性能和维护资源的集成动态维护模

型。本书所做的研究内容有助于提高企业的维护水平和设备可靠性、降低维护成

本、提高设备利用率，最终提高企业的竞争力。同时，拓展了制造系统的维护管理

领域，为制造企业维护策略的制定提供决策支持和科学有效的指导。

本书得到了国家自然科学基金重点项目（项目编号：７１６３２００８）、国家自然科学

基金项目（项目编号：７１３７１１２３）、教育部人文社会科学研究青年基金项目（项目编

号：１５ＹＪＣＺＨ０９６）的资助，笔者深表谢意。由于笔者的水平有限，书中难免有不妥

之处，敬请读者不吝批评指正。

董　明　上海交通大学

刘勤明　上海理工大学

２０１８０５２０

Ⅴ　

第１章　绪　论  １

１１　研究背景和意义  １

１２　研究范围与对象  ４

１３　研究目的与创新点  ５

１４　研究框架  ７

１５　本章小结  ８

第２章　设备维护的概念  ９

２１　引言  ９

２２　设备健康管理的历史发展  １２

２３　设备健康预测方法的研究及进展  １４

　　２．３．１　基于物理模型的方法  １５

　　２．３．２　基于知识驱动的方法  １７

　　２．３．３　基于数据驱动的方法  ２０

　　２．３．４　基于模型驱动的方法  ２６

　　２．３．５　基于信息融合的方法  ３１

　　２．３．６　混合模型 ３２

２４　设备维护方法的研究及进展  ３６

　　２．４．１　基于健康信息的维护  ３８

　　２．４．２　基于衰退过程的维护  ４０

　　２．４．３　基于备件库存的维护  ４１

２５　设备维护调度方法的研究及进展  ４２

２６　现有方法的不足 ４７

　　２．６．１　设备健康预测研究的不足  ４７

Ⅵ　

　　２．６．２　设备维护研究的不足  ４８

　　２．６．３　设备维护调度优化需要研究的问题  ４８

２７　退化隐半马尔可夫模型 ４９

２８　本章小结 ５６

第３章　单监测信息的在线健康预测  ６０

３１　引言 ６０

３２　设备在线健康预测方法 ６２

　　３．２．１　数据预处理及特征提取  ６２

　　３．２．２　在线健康预测算法  ６４

　　３．２．３　剩余有效寿命预测方法  ６８

３３　算例分析 ６９

　　３．３．１　基于 ＨＳＭＭ 的健康诊断  ７１

　　３．３．２　数据准备与处理 ７３

　　３．３．３　模型参数估计  ７７

　　３．３．４　在线健康预测分析  ７８

　　３．３．５　预测性能评估  ８２

３４　本章小结 ８５

第４章　多监测信息的在线健康预测  ８６

４１　引言 ８６

４２　特征空间降维 ８７

４３　设备在线健康预测方法 ８８

　　４．３．１　修正隐式半马尔可夫模型  ８８

　　４．３．２　自适应隐式半马尔可夫模型  ９２

　　４．３．３　剩余有效寿命预测方法  ９４

４４　算例分析 ９７

　　４．４．１　数据准备  ９７

　　４．４．２　在线健康状态识别分析  ９８

　　４．４．３　在线健康预测分析  １０１

　　４．４．４　预测性能评估  １０３

４５　本章小结  １０６

第５章　基于在线健康预测的集成动态维护研究  １０７

５１　引言  １０７

Ⅶ　

５２　衰退过程分析  １１２

５３　维护动作与维护时间分析  １１４

５４　集成动态维护模型  １１７

　　５．４．１　基本假设和符号  １１７

　　５．４．２　维护成本分析  １１９

　　５．４．３　基于动态规划算法维护策略优化模型  １２３

　　５．４．４　维护策略优化算法  １２７

５５　算例分析  １２９

　　５．５．１　数据准备  １２９

　　５．５．２　其他维护策略  １３３

　　５．５．３　维护结果分析  １３４

　　５．５．４　备件库存策略分析  １３７

　　５．５．５　策略动态性分析  １３８

５６　本章小结  １４１

第６章　基于集成维护模型的维护调度优化研究  １４３

６１　引言  １４３

６２　设备维护调度优化模型  １４４

　　６．２．１　设备维护调度决策  １４４

　　６．２．２　遗传算法  １５１

６３　案例分析  １５３

　　６．３．１　数据准备  １５４

　　６．３．２　算法设计  １５７

　　６．３．３　维护调度比较分析  １５７

　　６．３．４　考虑调整因子的维护调度分析  １６３

６４　本章小结  １６５

第７章　总结与展望  １６６

７１　结论  １６６

７２　展望  １６８

参考文献  １７０

本书是近几年作者对设备健康预测及维护领域的研究成果及经验总结，可以作为管理科学

与工程、工业工程等专业研究生科研辅助资料，使其了解设备的运行状态、衰退趋势以及采取的

维护策略。本书共分五个专题：国内外相关研究述评，单监测信息的在线健康预测，多监测信息

的在线健康预测，设备集成动态维护，设备维护调度。每一个专题都有引言部分和小结部分，通

过引言的学习，研究生可以掌握本专题的基本观点、原理和模型方法；通过小结的学习，研究生

对本专题有一个全面的认知和应用。

本书是近几年作者对设备健康预测及维护领域的研究成果及经验总结，可以作为管理科学

与工程、工业工程等专业研究生科研辅助资料，使其了解设备的运行状态、衰退趋势以及采取的

维护策略。本书共分五个专题：国内外相关研究述评，单监测信息的在线健康预测，多监测信息

的在线健康预测，设备集成动态维护，设备维护调度。每一个专题都有引言部分和小结部分，通

过引言的学习，研究生可以掌握本专题的基本观点、原理和模型方法；通过小结的学习，研究生

对本专题有一个全面的认知和应用。

本书是近几年作者对设备健康预测及维护领域的研究成果及经验总结，可以作为管理科学

与工程、工业工程等专业研究生科研辅助资料，使其了解设备的运行状态、衰退趋势以及采取的

维护策略。本书共分五个专题：国内外相关研究述评，单监测信息的在线健康预测，多监测信息

的在线健康预测，设备集成动态维护，设备维护调度。每一个专题都有引言部分和小结部分，通

过引言的学习，研究生可以掌握本专题的基本观点、原理和模型方法；通过小结的学习，研究生

对本专题有一个全面的认知和应用。