《智能运维与健康管理》课程大纲 (1).docx
《《智能运维与健康管理》课程大纲 (1).docx》由会员分享，可在线阅读，更多相关《《智能运维与健康管理》课程大纲 (1).docx（15页珍藏版）》请在冰豆网上搜索。
一、课程简介
课程名称
智能运维与健康管理
英文名称
IntelligentOperationandMaintenancewithHealthManagement
课程代码
课程类别
学科专业类/专业核心课程
学分
2
总学时/实验学时
30/4-6
开课学期
修读类别
必修
开课单位
适用专业
机械工程等工科专业高年级学生
先修课程
高等数学、线性代数、信号处理、测试技术、动力学分析等
主讲教师
（姓名/职称）
考核方式及各环节所占比例
闭卷笔试120分钟；
期末考试成绩占60％、平时成绩占20％、实验占20%
课程概要
《智能运维与健康管理》是响应中国制造2025战略计划背景下，中国科协智能制造学会联合体制定的“智能领域人才培养方案”相关课程与教材之一，是工科高等学校智能领域人才培养“大学加课”中的一门核心课程，旨在培养学生具有智能运维与健康管理的基本知识以及工程实践能力。
本课程的主要任务是通过课堂教学、课外讨论、工程问题驱动的实验教学等环节，培养学生面向高端装备全寿命周期运行的智能维护与健康管理的实践能力，使学生基本掌握高端装备运行安全保障的理论基础，包括故障建模与动态演化机理、早期故障的特征提取和信息融合方法、基于模型的早期故障智能预示方法、状态评估与维修决策模型、智能维护与自主维修技术等；理解智能维护与健康管理典型工程应用中的健康管理系统架构与关键技术，掌握健康管理体系与指标验证方法，具备智能运维与健康管理相关的系统思维能力、项目管理、跨学科智能制造的沟通能力。
课程目标
1.要求学生基本掌握智能维护与健康管理的理论基础，即重大装备故障建模与动态演化机理、早期故障的特征提取和信息融合方法、基于模型的早期故障智能预示方法、状态评估与维修决策模型；
2.要求学生熟练掌握故障机理分析的动力学基础、机械故障诊断的内积变换原理、大数据健康监测和智能诊断的基本流程和典型方法、典型的深度学习模型与迁移学习方法、设备安全智能监控信息化管理的具体内容与实施手段等基础内容；能够使用计算机实现关键技术的分析计算；
3.通过本课程的学习与实践，应使学生掌握智能运维与健康管理基本知识的运用，开展有效的工程实验研究，具备解决高端装备安全可靠运行的基本能力。
毕业要求
毕业要求指标点
课程目标对毕业要求的支撑关系
1.工程知识
掌握智能运维与健康管理的基本知识并能将其用于解决高端装备全寿命周期的安全运行工程问题；
课程目标1
2.问题分析
能够应用故障机理分析的动力学基础、机械故障诊断的内积变换原理、大数据健康监测和智能诊断的基本流程和典型方法、典型的深度学习模型与迁移学习方法，对典型工程领域的复杂装备安全运行问题进行识别和描述；
课程目标2
3.研究
能够针对典型工程装备安全运行问题设计整体健康管理体系实现方案、搭建实验系统，开展有效的实验验证研究；
课程目标3
4.使用现代工具
能够在对重大装备进行健康管理体系设计与实现过程中，利用现代信息技术及工具，获取或开发所需资源，并能选用恰当的诊断/预测方法及软件工具，建立运行故障的模拟及诊断分析模型，进行健康管理方案的验证与评价；
课程目标3
教材及主要参考书
教材：
[1]陈雪峰，訾艳阳.智能运维与健康管理，机械工程出版社，2018
参考书：
加英文图书
[1]钟秉林,黄仁.机械故障诊断学[M].北京:
机械工业出版社,2006.
[2]褚福磊.机械故障诊断中的现代信号处理方法[M].北京:
科学出版社,2009.
[3]何正嘉,陈进,王太勇,等.机械故障诊断理论及应用[M].北京:
高等教育出版社,2010.
[4]高金吉.机器故障诊治与自愈化[M].北京:
高等教育出版社,2012
[5]周志华.机器学习[M].北京:
清华大学出版社,2016.
[6]杨申仲等.现代设备管理[M].北京：
机械工业出版社，2012.
[7]李斌，李曦.数控技术[M].华中科技大学出版社,2010.
[8]托马斯·保尔汉森,米夏埃尔·腾·洪佩尔,布里吉特·福格尔-霍尔泽.实施工业4.0[M].工业和信息化部电子科学技术情报研究所,译.北京:
电子工业出版社,2015.
[9]PechtM.PrognosticsandHealthManagementofElectronics[M]:
JohnWiley&Sons,Ltd,2009.
[10]MobleyRK.AnIntroductiontoPredictiveMaintenance[M].2ndedition.ElsevierButterworth-Heinemann:
Burlington,MA,2002.
[11]MallatStphane.AWaveletTourofSignalProcessing,ThirdEdition:
TheSparseWay[M]:
AcademicPress,2008.
[12]GoodfellowI.,BengioY.,CourvilleA.,alet.Deeplearning[M].Cambridge:
MITpress,2016.
[13]IsermannR.FaultDiagnosisSystems:
AnIntroductionfromFaultDetectiontoFaultTolerance[M].Germany:
Springer-VerlagBerlinHeidelberg,2006.
二、课程内容及学时分配
绪论（2学时）（讲授，对应课程目标1）
1.1引言：
介绍发展智能运维与健康管理技术的国内外背景与重要意义；（1.1与1.2共0.5学时）
1.2机械状态监测与故障诊断：
当前机械状态监测与故障诊断技术的发展水平与存在问题；（1.1与1.2共0.5学时）
1.3智能运维与健康管理：
PHM核心技术的概念内涵与体系结构、资产管理方法及智能运维方法；（1学时）
1.4培养目标与新工科计划、高等工程教育专业认证的关系。
（0.5学时）
要求：
1）了解本课程研究的背景、对象、意义与内容。
2）了解机械状态监测与故障诊断技术的发展现状与存在问题。
3）了解智能运维与健康管理技术的体系结构与实现流程。
重点：
智能运维与健康管理技术的体系结构与实现流程。
课外学习（4学时）（课外，对应课程目标2）
1）了解重大装备健康管理技术的最新发展动态。
2）重点了解一项健康管理系统并开展深入调研。
要求：
学生通过资料查找了解最新重大装备健康管理系统动态及发展趋势。
第2章典型故障机理分析方法（4学时）（对应课程目标1、2）
2.1重大装备典型故障：
重大装备故障类型与产生原因简介；（ 2.1与2.2共2学时）
2.2故障机理分析的动力学基础；（2.1与2.2共2学时）
2.3典型故障动力学分析及实例。
（2学时）
要求：
1）了解几种重大装备的典型故障定义、故障机理，发展重大装备故障机理分析的重大意义。
2）了解故障机理分析的动力学基础理论。
3）掌握典型故障的动力学分析方法。
重点：
动力学分析的基础内容，主要包括无粘性阻尼的单自由度系统的自由振动，有粘性阻尼的单自由度系统自由振动和受迫振动。
故障机理分析的一般过程，单盘转子偏心质量的动力学分析、单盘转子裂纹故障机理分析、单盘转子碰摩故障机理分析。
难点：
1）不同阻尼状态对单自由度系统自由振动相应的影响。
2）单自由度系统强迫振动的过渡阶段和稳态阶段的区别与联系。
3）单盘转子三类故障的动力学机理分析中，不同故障模式的动态载荷的合理假设与理解；多元二阶非齐次微分方程或方程组的求解。
第3章基于特征提取的故障诊断（4学时）（对应课程目标1、2）
3.1引言：
介绍故障诊断中信号特征提取技术的必要性与作用、本章的内容概要；（3.1与3.2总计1学时）
3.2故障诊断内积匹配诊断原理：
介绍傅里叶变换、短时傅里叶变换、小波变换等典型信号特征提取方法；（3.1与3.2总计1学时）
3.3基于小波的特征提取方法：
基于小波的特征提取方法与典型故障实例分析；（1.5学时）
3.4基于小波的稀疏特征提取：
基于小波的稀疏特征提取方法与诊断案例。
（1.5学时）
要求：
1）了解机械故障诊断的内积变换原理。
2）掌握基于小波的特征提取方法的机械故障诊断流程。
重点：
1）各种信号处理方法的基函数及内积表述，以及内积匹配评价准则。
2）小波变换的内积变换原理，理解内积变换原理的关键特性和相关性质。
3）稀疏特征提取技术的基本理论、基于小波变换的稀疏特征提取技术
难点：
1）内积分析中对基函数的理解和选取。
2）在碰摩故障识别中，Morlet小波和Hermitian小波基函数对振动信号分析的差异。
3）信号稀疏特征提取基本理论。
第4章大数据驱动的智能故障诊断（4学时）（对应课程目标1、2）
4.1引言：
工业大数据背景、概念与特点，工业大数据驱动的智能故障诊断框架；（4.1与4.2共1学时）
4.2工业大数据质量改善：
数据质量定义与成因、评价指标、流程方法与关键技术；（4.1与4.2共1学时）
4.3大数据健康监测：
基于故障阈值与基于智能模型的两类大数据健康监测的流程方法与关键技术；（1.5学时）
4.4大数据智能诊断：
基于浅层模型与基于深度学习的智能诊断；（4.4与4.5共1.5学时）
4.5大数据健康管理案例：
新能源诊断平台介绍。
（4.4与4.5共1.5学时）
要求：
1）了解工业大数据的背景、概念与特点，以及工业大数据驱动的智能故障诊断框架。
2）掌握大数据质量改善、大数据健康监测和智能诊断的基本流程和典型方法。
重点：
1）工业大数据驱动的智能故障诊断框架。
2）工业大数据质量改善的流程步骤。
3）大数据健康监测的基本流程和典型方法。
4）大数据智能诊断的基本流程和典型方法。
难点：
1）基于故障阈值的健康监测与基于智能模型的健康监测在健康监测输出与技术框架方面区别和联系的理解与掌握。
2）大数据智能诊断中浅层模型与深度学习方法的理解与应用。
第5章融入新一代人工智能的智能运维（4学时）（对应课程目标1、2）
5.1新一代人工智能概述：
新一代人工智能技术的定义与特点；（5.1与5.2共2学时）
5.2深度神经网络：
卷积神经网络、深度置信网络、堆栈自编码网络、循环神经网络4种典型深度学习网络结构与方法介绍与案例；（5.1与5.2共2学时）
5.3迁移学习：
典型迁移学习方法与案例；（1学时）
5.4深度迁移学习及其特征挖掘：
深度迁移学习模型与案例；（1学时）
要求：
1）了解新一代人工智能技术的特点。
2）掌握典型的深度学习模型、迁移学习方法的基本原理与实现流程。
重点：
1）人工智能的定义与特点。
2）4种典型的深度神经网络的网络结构、特点与诊断流程。
3）迁移学习与机器学习的异同、4种迁移学习方法的特点。
难点：
1）深度神经网络的选取和应用。
2）迁移学习中TrAdaBoost算法的诊断方法应用。
3）深度迁移学习模型的概念理解与特征挖掘策略的方法理解。
第6章设备安全智能监控（2学时）（对应课程目标1、2）
6.1设备工程精益管理：
设备工程精益管理主要内容、新特征以及措施；（6.1与6.3共1学时）
6.2设备安全智能监控：
设备安全智能监控技术4个方面：
设备安全信息化管理、仪器仪表安全监测、工业智能检测监控、风险评估检验的理解与掌握；（1学时）
6.3典型行业的智能运维应用。
（6.1与6.3共1学时）
要求：
1）了解设备工程精益管理的重要性、内容与措施。
2）了解典型行业领域智能运维应用情况。
3）掌握设备安全智能监控信息化管理的具体内容与实施手段。
重点：
1）设备工程精益管理的重要性、主要内容、新特征以及管理实施措施。
2）设备安全智能监控技术4个方面的理解与掌握。
第7章加工过程智能运维（2学时）（对应课程目标1）
7.1引言：
背景介绍与机床故障特点；（7.1与7.4共0.5学时）
7.2加工过程智能运维系统架构：
数控机床控制模型、传感器测量系统、数控系统、数控机床健康保障系统；（0.5学时）
7.3加工过程智能运维关键技术：
数字化技术、网络化技术、智能化技术；（1学时）
7.4加工过程智能运维系统实施典型案例：
机床二维码远程故障诊断、基于指令域的基础健康保障技术、智能工厂应用。
（7.1与7.4共0.5学时）
要求：
1）了解加工过程智能运维的特点与重要性。
2）掌握加工过程智能运维的系统框架构成与关键技术。
重点：
加工过程智能运维的系统框架构成与关键技术。
难点：
数控机床传感器系统的选择与布置、三种数控系统的异同。
第8章石化装备智能运维（2学时）（对应课程目标1、2）
8.1引言：
石化行业背景介绍、故障与故障诊断特点；（8.1与8.4共0.5学时）
8.2系统架构：
石化企业智能运维三大特点与架构组成介绍；（0.5学时）
8.3关键技术：
大型透平压缩机组智能运维技术、往复压缩机状态监测及智能诊断技术、离心泵（高危泵/关键泵）故障智能诊断技术；（1学时）
8.4应用实例：
典型系统平台介绍与故障诊断案例。
（8.1与8.4共0.5学时）
要求：
1）了解石化装备智能运维的特点与重要性。
2）掌握石化装备智能运维的系统框架构成与关键技术。
重点：
石化装备智能运维的系统框架构成与关键技术。
难点：
1）大型透平压缩机组监测中传感器系统的选择与布置、智能联锁保护技术的实现流程。
2）往复压缩机故障智能诊断方法原理和实现流程。
第9章船舶智能运维与健康管理（2学时）（对应课程目标1、2）
9.1引言：
船舶行业背景介绍、故障与智能运维与健康管理特点；（9.1与9.4共0.5学时）
9.2系统架构：
船舶智能运维与健康管理系统功能组成、岸基-船基智能船舶运行与维护系统架构；（0.5学时）
9.3关键技术：
5大关键技术与船舶柴油机状态评估技术应用案例介绍；（1学时）
9.4全球智慧船舶系统：
船舶综合状态评估系统、船舶智能资产管理系统、“大智”号智能运维与健康管理系统应用案例介绍。
（0.5学时）
要求：
1）了解船舶智能运维与健康管理系统的特点与重要性。
2）了解3种典型全球智慧船舶的系统架构与功能。
3）掌握船舶装备智能运维的系统框架构成与5大关键技术。
重点：
船舶装备智能运维的系统框架构成与5大关键技术。
难点：
船舶柴油机状态评估技术的应用。
第10章高铁故障预测与健康管理（2学时）（对应课程目标1、2）
10.1引言：
高铁装备故障模式特点，及其故障预测与健康管理技术的发展现状；（10.1与10.2共0.5学时）
10.2系统架构：
高铁PHM系统总体架构，以及三个子系统：
车载PHM系统、车-地数据传输系统与地面PHM系统的系统架构与功能；（10.1与10.2共0.5学时）
10.3牵引电机故障诊断与健康管理关键技术：
5个核心功能的关键技术；（0.5学时）
10.4牵引电机故障诊断与健康管理的系统实现：
电机轴承状态监测与故障诊断，电机故障数据库构建，电机轴承寿命预测与健康管理。
（1学时）
要求：
1）了解高铁故障预测与健康管理系统的特点与重要性。
1）了解牵引电机故障诊断与健康管理的实现方法与手段。
2）掌握高铁故障预测与健康管理系统框架构成与关键技术。
重点：
高铁故障预测与健康管理系统中总体系统与3个子系统的框架构成与5个关键技术。
难点：
牵引电机轴承寿命预测与健康管理中多输出多变量支持向量机预测方法的理解。
第11章航天航空健康管理（2学时）（对应课程目标2、4）
11.1引言：
航天航空健康管理的背景、发展需求与相关技术发展现状；（11.1与11.2共0.5学时）
11.2空天发动机健康管理：
空天发动机健康管理系统框架、关键技术与案例分析；（11.1与11.2共0.5学时）
11.3直升机健康管理：
直升机健康管理系统框架、关键技术与案例分析；（1学时）
11.4国产大型客机故障预测与健康管理系统（PHM）：
大型客机健康管理系统系统框架与关键技术。
（0.5学时）
要求：
1）了解航天航空健康管理系统的特点与重要性。
2）掌握空天发动机健康管理、直升机健康管理、C919大型客机健康管理系统框架构成与关键技术。
工程实验：
转子裂纹故障诊断实验（4-6学时）（对应课程目标2、4）
综合性实验内容包括：
1.分析转子结构的特点，设计试验方案，搭建转子运行监测系统，完成对转子运行状态情况的监测；（1-2学时）
2.对完好转子结构与裂纹转子结构分别测试，然后对测试数据进行分析处理，将两种情况的结果进行对比分析，得出试验结论；（1-2学时）
3.根据对比分析结论，选择更能够反映裂纹故障的合适特征，提出转子裂纹故障实验的优化方案。
（2学时）
要求：
1）巩固学生故障诊断分析的理论知识。
2）培养学生分析复杂工程问题的能力与工程试验能力。
3）培养学生通过典型工程设备验证故障诊断方法的能力。
4）培养学生智能运维与健康管理相关的系统思维能力能力。
教学方法：
1）实验室提供以上转子实验台条件，要求学生自由4-5人一组自由组合进行实验。
2）每个综合实验1个组长3-4个组员，由组长协调组员的分工。
3）对于每个综合实验，4-6学时课内、4学时课外。
2学时课内实验具体安排为：
搭建试验系统（1学时），采集信号（1-2学时），数据分析（2-3学时）；4学时课外准备具体安排为：
熟悉与自学补充相应知识（2学时），完成实验报告及准备答辩PPT（2学时）。
4）两个综合实验完成后除了提交实验报告外，还需准备PPT进行答辩，随后抽取部分小组进行答辩。
每组答辩总时间15分钟，每个小组由2个人分别汇报2个综合实验完成情况，每人汇报5分钟，2人共10分钟，教师提问5分钟。
5）答辩时由任课教师与实验教师共同组成评委，评委给出每个小组、每个综合实验的总成绩，由组长根据组员在实验中的实际贡献度分配成绩，原则上不可平分。
三、教学要求
本课程的教学环节包括：
课堂教学、课外讨论、实验、课外作业、答疑辅导、考试等，课内外学时比例一般应为1:
1.5。
1.课堂讲授
（1）教学方法
用启发式和案例式的教学方法，激发学生主动学习的兴趣，培养学生独立思考、分析问题和解决问题的能力，引导学生主动通过实践和自学获得自己想学到的知识，增加讨论课及答疑质疑等教学环节。
（2）教学内容
首先系统讲授智能运维与健康管理基础知识，包括故障机理分析的动力学基础、机械故障诊断的内积变换原理、大数据健康监测和大数据智能诊断的基本流程和典型方法、典型的深度学习模型与迁移学习方法、设备安全智能监控信息化管理的具体内容与实施手段；然后通过典型行业中智能运维与健康管理系统应用介绍，使学生了解智能运维与健康管理基础知识的工程实践运用。
（3）教学手段
在教学过程中采用电子教案，多媒体教学与传统板书相结合，提高课堂教学信息量，增强教学的直观性。
在教学方法上，采用传统教学方法与翻转课堂相结合，鼓励学生积极参与教学，增加与学生互动。
（4）工程实践
理论教学与工程实践相结合，引导学生应用智能运维与健康管理相关数学与工程科学的基本理论，采用科学设计的方法和手段，解决工程实际中的复杂问题。
（5）对外语的要求
在讲授过程中，给出各章节主要专业名词的英语单词，通过本门课程的学习，学生可接触到50个左右专业名词的英语单词。
如：
故障预测与健康管理（PrognosticandHealthManagement），发动机管理系统（EngineManagementSystem），企业控制中心（Enterprisecontrolcenter），故障诊断（FaultDiagnosis），损伤检测（DamageDetection），OSA-CBM系统（OpenSystemArchitectureforCondition-BasedMaintenance），数据获取（DataAcquisition），特征提取（FeatureExtraction），状态监测（ConditionMonitor），健康评估（HealthAssessment），故障预测（PrognosisAssessment），维修决策（MaintenanceDecision），集成控制（IntegratedControl）等。
2.实验环节
本课程实验学时6学时，共安排1个实验：
（对应课程目标3）
实验教学是《智能运维与健康管理》课程中重要的实践环节，在此过程中，学生能够通过文献查阅、理论分析、工程实验，对复杂高端装备的智能运维与健康管理问题进行理解、分析并提出相应的解决方案；理解工程问题解决方案的多样性，并对不同方案进行比较、评价；能够正确选择与布置传感器，并采集、处理实验数据，对实验结果进行分析和解释，通过综合评价，给出关于解决高端装备安全运行问题的有效结论；能够采用现代测试技术及工具，对高端装备运行情况进行性能测试与评价，获得有效的工程结论。
（1）综合实验：
转子裂纹故障诊断实验
详见本课程实验教学大纲。
3.课外作业和答疑
（1）课外作业
课外习题的目的在于帮助同学消化和巩固所学的理论和知识，保证重点章节的掌握，达到智能运维与健康管理基础理论与应用的训练。
课外习题采用教材各章习题中的部分习题。
（2）答疑
每周在规定时间和地点安排一次答疑。
4.考试环节
采用闭卷笔试方式，题型可包括填空、选择、判断、简答、分析、计算题等。
四、考核及成绩评定方法
1.综合计分方法
课程的考核以考核学生能力培养目标的达成为主要目的，以检查学生对各知识点的掌握程度和应用能力为重要内容，包括课后作业、实验、期末考试环节，总评成绩以百分计，满分100分，各考核环节所占分值比例可根据具体情况进行微调，建议值及考核细则如下。
考核环节
建议分值
考核/评价细则
对应课程目标
作业
20
1.主要考核学生对每章节知识点的复习、理解和掌握程度；
2.作业按10分制单独评分，取各次成绩的平均值作为此环节最终成绩。
1、2
实验
20
1.根据每个实验的实验情况和实验报告质量单独评分，满分20分；
2.取各次实验成绩的平均值作为此环节的最终成绩。
2、3
期末考试
60
1.卷面成绩100分，以卷面成绩乘以其在总评成绩中所占的比例计入课程总评成绩。
2.主要考核。
考试题型为：
填空题、选择题、判断题、简答题、简述题、计算题等。
1、2
课程目标达成度评价包括课程分目标达成度评价和课程总目标达成度评价，具体计算方法如下：
课程目标
支撑环节
目标分值
学生平均得分
达成度计算示例
课程目标1
作业
10
A1
期末考试
15
C1
课程目标2
作业
10
A2
实验
8
B2
期末考试
45
C2
课程目标3
实验
12
C3
课程总体目标
总评成绩
100
A+B+C
2.评价标准
（1）平时成绩评价标准
基本要求
作业
评价标准
完成情况
得分
升级会员 