本书获得“2022年度国家科学技术学术著作出版基金”重点资助

《大数据驱动的机械系统智能故障诊断与预测》（英文版）　（订购）

雷亚国 李乃鹏 李响 著

西安交通大学出版社

2022年12月出版

　　旋转机械智能故障诊断与剩余寿命预测是由机械动力学、信号处理、人工智能、自动化等多学科交叉的前沿领域，已成为机械故障诊断的重要研究方向。随着大数据时代的到来，旋转机械智能诊断与预测面临着全新的机遇与挑战。西安交通大学出版社最新出版的《大数据驱动的机械系统智能故障诊断与预测》（英文版）研究了这一问题。

　　内容简介

　　本书抓住工业化与信息化深度融合的时代契机，面向新一代人工智能技术，立足于我国机械装备智能诊断与预测迫切工程需求应运而生。围绕大数据驱动的机械装备智能诊断与预测，详细介绍了故障深度智能诊断、故障智能迁移诊断、数模联动剩余寿命预测等前沿方法与技术。

　　本书内容以作者团队的最新研究成果为基础，紧密围绕学科发展前沿与工程重大需求，知识框架完整，兼具前沿性、创新性及工程实用性的特色。以大数据驱动的机械装备智能诊断与预测为主旨，既符合我国当前工业信息化迅猛发展的重大契机，又满足机械装备智能化、高可靠、长寿命服役的迫切需求，在故障诊断与预测的系统化理论与工程实际应用方面具有明显的创新性，有助于促进机械、控制、仪器等多学科交叉融合。

　　全书共6章：第1章阐述了大数据驱动的智能故障诊断与预测框架、研究现状与面临的挑战；第2、3章简述了机械大数据信号处理的常用方法，以及传统机器学习方法在智能运维中的应用；第4章突出了最新的基于深度学习的智能迁移故障诊断方法；第5章介绍了数据驱动型机械装备健康状态估计及寿命预测的最新研究成果；第6章从健康指标构建、预测方法建立等方面详述了数模联动的装备寿命预测最新研究进展。

　　作者简介

　　雷亚国

　　西安交通大学教授、博士生导师；美国机械工程师协会会士（ASME Fellow）、英国工程技术学会会士（IET Fellow）、国际工程资产管理协会会士（ISEAM Fellow）、国家杰出青年科学基金获得者、科睿唯安全球高被引科学家（2019-2022）、国家重点研发项目首席科学家（2项）、“三秦学者”全国一流创新团队带头人、陕西省科技创新团队带头人。现担任中国机械工程学会工业大数据与智能系统分会副主任委员、IEEE Transactions on Industrial Electronics、Mechanical Systems and Signal Processing等本领域著名期刊副主编。长期从事机械系统建模与动态信号处理、大数据智能故障诊断与寿命预测、机械状态健康监测与智能维护等方面的研究工作。研发的智能诊断系统在智能制造、能源电力、交通运输等领域得到广泛应用。曾获国家技术发明二等奖、中国青年科技奖、教育部自然科学一等奖、教育部青年科学奖、陕西省自然科学一等奖、霍英东教育基金会青年教师奖。

　　李乃鹏

　　西安交通大学副教授。于2019年获西安交通大学机械工程专业博士学位；2017至2019年在美国佐治亚理工学院进行博士联合培养。2020年入选西安交通大学“青年优秀人才支持计划”A类人才。研究方向为机械装备状态监测、剩余寿命预测与智能运维。承担国家自然科学基金重点项目、国家重点研发计划子课题、国家自然科学基金青年项目、博士后科学基金特别资助项目等10余项。出版英文专著1部，在本领域权威期刊发表学术论文30余篇；授权国家发明专利20余项，其中10余项成果已进行工程应用。研发的风电新能源远程诊断平台，已接入全国近万台机组。获陕西省自然科学一等奖（第2完成人）、中国华电集团科技进步一等奖（西安交大所有参与人中排名第1）、陕西省优秀博士学位论文等，入选“第八届中国科协青年人才托举工程”。

　　李响

　　西安交通大学副教授、特聘研究员、博士生导师，入选陕西省高层次人才引进计划与西安交通大学青年拔尖人才支持计划，“高端装备智能运维”陕西省三秦学者创新团队成员，美国国家自然科学基金会智能维护系统中心博士后，美国加州大学默塞德分校联合培养博士。主要研究方向：工业人工智能、工业大数据、装备智能运维等。主持国家重点研发计划课题、国家自然科学基金等项目10余项，以第一或通讯作者在IEEE Trans.等本领域权威期刊上发表高水平学术论文40余篇，H指数34，入选斯坦福大学与Elsevier联合发布的全球前2%顶尖科学家榜单。担任期刊Expert Systems with Applications副主编，以及IEEE/CAA Journal of Automatica Sinica、Journal of Dynamics, Monitoring and Diagnostics、Machines等期刊编委或青年编委。

　　图书特色

　　1.聚焦大数据驱动的机械系统智能诊断和预测方法，解决了当前PHM领域的关键挑战，是首部面向大数据智能诊断与预测领域的系统性、综合性书籍；

　　2.介绍了智能故障诊断和预测的基础理论和前沿研究，包括基于深度迁移学习的智能故障诊断、大数据驱动的寿命预测、数模联动健康状态预测等；

　　3.附带大量实验验证及工程案例，向读者形象地展示方法实施与技术应用过程，为相关领域课程教学、科学研究和工程实际应用提供丰富素材与详细指导。

　　读者范围

　　本书内容受众广泛，不仅能够为广大学者和工程技术人员开展相关理论研究、解决工程应用难题提供有益参考，而且可作为高等院校机械工程、仪器仪表、自动化、航空航天、能源动力、智能制造等专业研究生和高年级本科生的专业教材和参考书。

来源：西安交通大学出版社