本书聚焦健康管理技术体系、创新理论与工程实践，从技术内涵、顶层架构、核心技术及工程应用等方面对船用燃气轮机健康管理进行了全面论述。全书共6章：第1章综述健康管理的基本概念和燃气轮机健康管理的发展现状；第2章介绍健康管理技术体系；第3章深入探讨基于机理模型和数据驱动的异常检测技术；第4章详述传感器、核心部件及附属系统的故障诊断方法；第5章论述了融合多维度健康度模型的健康评估与预测技术；第6章对健康管理的智能化发展趋势进行了展望。书中融合机理分析与数据驱动方法的技术路线，对航空发动机、工业燃气轮机等动力装置的健康管理同样具有重要借鉴价值。

更多科学出版社服务，请扫码获取。

1985-09 至1989-07 哈尔滨船舶工程学院（现哈尔滨工程大学）热力涡轮机学士 1989-09 至1992-04 哈尔滨船舶工程学院（现哈尔滨工程大学）轮机工程硕士 1996-09 至2000-06 中国舰船研究院轮机工程博士1992-04 至1995-07中国船舶重工集团公司第七〇三研究所 助理工程师 从事舰船燃气轮机设计、技术及应用。 1995-07 至1999-08中国船舶重工集团公司第七〇三研究所 工程师 从事舰船燃气轮机设计、技术及应用。 1999-08 至2002-03中国船舶重工集团公司第七〇三研究所 高级工程师 从事舰船燃气轮机设计、技术及应用。 2002-03 至2005-11中国船舶重工集团公司第七〇三研究所 研究室副主任高级工程师 从事舰船燃气轮机设计、技术及应用。 2005-11 至2012-10中国船舶重工集团公司第七〇三研究所 研究室主任、部长/项目主任设计师、项目总设计师/研究员 从事舰船/工业燃气轮机设计、技术及应用。 2012-10 至2016-09中国船舶重工集团公司第七〇三研究所 副所长/项目总设计师/研究员 从事舰船/工业燃气轮机设计、技术及应用。 2016-09 至2017-01中国船舶重工集团公司/动力机电部副主任 研究员 船舶动力机电装备科研技术管理。 2017-01 至今 中国船舶集团有限公司第七〇三研究所 所长、党委副书记/项目总设计师/研究员 从事舰船/工业燃气轮机设计、技术及应热能动力工程（舰船/工业燃气轮机技术研究及应用）2020-07 至今 国家某重大专项接续论证专家委员会 专家 2018-12 至今 国家某重大专项条件建设专家咨询委员会 专家 2018-01 至今中央军委科技委常规动力技术专家组 专家 2019-06 至今 国家能源局工业燃气轮机研发（试验）中心 理事长、主任

目录
序
前言
第1章 概论 1
1.1 基本概念 1
1.1.1 船用燃气轮机 1
1.1.2 健康管理的基本概念 3
1.1.3 PHM与装备质量管理 5
1.2 燃气轮机健康管理技术发展及应用现状 8
1.2.1 燃气轮机健康管理技术 8
1.2.2 船用燃气轮机健康管理的特点 9
1.2.3 船用燃气轮机健康管理的技术发展及应用现状 11
1.2.4 国内外典型燃气轮机健康管理系统简介 14
1.3 本书的结构安排 18
第2章 船用燃气轮机健康管理技术体系 19
2.1 健康管理顶层架构 19
2.2 健康管理实施目标 22
2.3 健康管理业务能力 24
2.3.1 状态监测 25
2.3.2 异常检测 26
2.3.3 故障诊断 27
2.3.4 健康评估与预测 28
2.3.5 维修决策 28
2.4 健康管理关键技术 29
2.4.1 数据采集技术 29
2.4.2 数据预处理技术 31
2.4.3 特征处理技术 32
2.4.4 异常检测技术 33
2.4.5 故障诊断技术 35
2.4.6 健康评估与预测技术 37
2.4.7 维修决策技术 39
2.5 健康管理平台架构 40
2.5.1 物理层 41
2.5.2 边缘层 41
2.5.3 数据服务层 42
2.5.4 应用层 43
2.6 本章小结 43
第3章 船用燃气轮机异常检测技术 45
3.1 概述 45
3.2 基于机理模型的异常检测技术 46
3.2.1 物理方程 47
3.2.2 状态空间模型 48
3.2.3 传递函数 50
3.2.4 数值仿真模型 52
3.3 基于数据驱动的异常检测技术 55
3.3.1 基于高斯模型的异常检测方法 55
3.3.2 基于混合高斯模型的统计方法 57
3.3.3 基于等效参数的异常检测方法 62
3.3.4 基于拟合函数的异常检测方法 65
3.3.5 燃气轮机异常数据点检测方法 67
3.3.6 基于流形学习的异常检测方法 70
3.3.7 结合降维与LOF的异常检测方法 73
3.3.8 基于关联网络的异常检测方法 76
3.4 融合异常检测技术 83
3.4.1 基模型构造 83
3.4.2 基模型的融合方法 84
3.4.3 气路异常检测案例 86
3.5 异常检测方法比较 89
3.6 本章小结 91
第4章 船用燃气轮机故障诊断技术 93
4.1 概述 93
4.2 传感器故障诊断技术 93
4.2.1 传感器故障概述与分类 93
4.2.2 基于粗糙集和神经网络的传感器故障诊断技术 96
4.2.3 基于小波熵的传感器故障诊断技术 101
4.2.4 基于卡尔曼滤波的传感器故障诊断技术 105
4.2.5 基于滤波阵列的传感器故障诊断技术 107
4.2.6 应用实例 112
4.3 核心部件故障诊断技术 115
4.3.1 核心部件故障分类 115
4.3.2 基于机理模型的故障诊断技术 117
4.3.3 基于数据驱动的故障诊断技术 122
4.3.4 应用实例 129
4.4 附属系统故障诊断技术 140
4.4.1 启动系统故障诊断 140
4.4.2 滑油系统故障诊断 144
4.4.3 燃料系统故障诊断 147
4.4.4 应用实例 151
4.5 本章小结 159
第5章 船用燃气轮机健康评估与预测技术 160
5.1 概述 160
5.2 船用燃气轮机健康评估架构 160
5.3 船用燃气轮机健康度模型 163
5.3.1 健康基准模型 164
5.3.2 模糊隶属函数 166
5.3.3 核密度估计模型 168
5.4 基于模糊层次变权重的健康评估方法 169
5.4.1 模糊综合评估法 170
5.4.2 层次化分析方法 171
5.4.3 变权重方法 172
5.5 基于支持向量机的健康预测技术 175
5.5.1 支持向量回归机理 175
5.5.2 支持向量回归预测模型 176
5.6 案例分析 178
5.6.1 燃气轮机健康评估参数选取 178
5.6.2 燃气轮机健康度建模 179
5.6.3 燃气轮机健康评估权重优化 182
5.6.4 燃气轮机健康评估试验 182
5.6.5 燃气轮机健康度预测试验 186
5.7 本章小结 188
第6章 船用燃气轮机健康管理技术发展趋势 189
6.1 概述 189
6.2 船用燃气轮机健康管理的发展需求 189
6.2.1 对态势感知的要求提升 189
6.2.2 对装备运维智能化与自主化的要求日益提高 190
6.2.3 对高可靠性与极端环境适应性的要求提升 190
6.2.4 全寿命周期成本优化需求提升 191
6.3 船用燃气轮机健康管理新技术应用前景 191
6.3.1 智能监测与诊断技术 192
6.3.2 大模型驱动的健康管理技术 193
6.3.3 大数据挖掘与知识发现技术 194
6.3.4 数字孪生深度赋能技术体系 195
6.4 本章小结 196
主要参考文献 198