序
前言
第1章　數(shù)智化概述1
1.1　數(shù)智化概念1
1.1.1　數(shù)智化的背景1
1.1.2　數(shù)智化的定義2
1.2　國內(nèi)外數(shù)智化工業(yè)的發(fā)展與應用狀況5
1.2.1　國外數(shù)智化工業(yè)的發(fā)展與應用5
1.2.2　國內(nèi)數(shù)智化工業(yè)的發(fā)展與應用12
1.2.3　國內(nèi)外數(shù)智化工業(yè)現(xiàn)狀比較15
1.3　數(shù)智化新時代19
1.3.1　從自動化到數(shù)智化轉型19
1.3.2　數(shù)智化時代的新特征21
參考文獻24
第2章　特種閥門數(shù)智化概述25
2.1　特種閥門數(shù)智化的現(xiàn)狀與挑戰(zhàn)25
2.1.1　特種閥門數(shù)智化的現(xiàn)狀與發(fā)展25
2.1.2　特種閥門數(shù)智化的挑戰(zhàn)27
2.2　特種閥門數(shù)智化轉型30
2.2.1　特種閥門數(shù)智化轉型背景30
2.2.2　特種閥門數(shù)智化轉型策略30
2.2.3　閥門企業(yè)數(shù)智化轉型的核心要素36
2.2.4　特種閥門數(shù)智化轉型展望39
參考文獻41
第3章　特種閥門數(shù)字化設計技術42
3.1　特種閥門數(shù)字化設計概述42
3.1.1　設計流程42
3.1.2　主流工業(yè)CAD設計系統(tǒng)44
3.1.3　特種閥門的MBD模型48
3.2　特種閥門裝配工藝規(guī)劃50
3.2.1　虛擬裝配概述50
3.2.2　裝配要素建模51
3.2.3　虛擬裝配約束52
3.2.4　裝配工藝規(guī)劃55
3.3　基于Web的三維設計與協(xié)同56
3.3.1　設計文件分布式存儲57
3.3.2　設計過程云協(xié)同管理59
參考文獻60
第4章　特種閥門仿真技術62
4.1　特種閥門仿真技術概述62
4.1.1　特種閥門仿真分析種類62
4.1.2　特種閥門仿真分析流程63
4.2　面向特種閥門的仿真分析技術65
4.2.1　特種閥門仿真理論基礎65
4.2.2　流場仿真分析68
4.2.3　流固耦合仿真分析75
參考文獻82
第5章　特種閥門優(yōu)化設計83
5.1　特種閥門拓撲優(yōu)化設計83
5.1.1　特種閥門拓撲優(yōu)化概述83
5.1.2　特種閥門的輕量化85
5.1.3　閥芯拓撲結構優(yōu)化88
5.2　特種閥門的多目標優(yōu)化94
5.2.1　多目標優(yōu)化概述94
5.2.2　DOE的設計流程95
5.2.3　特種閥門的優(yōu)化設計算法95
5.3　特種閥門多學科優(yōu)化96
5.3.1　特種閥門數(shù)字化成形工藝97
5.3.2　特種閥門力學性能優(yōu)化99
參考文獻101
第6章　智能制造與特種閥門制造102
6.1　智能制造技術概述102
6.1.1　工業(yè)4.0的內(nèi)涵103
6.1.2　工業(yè)互聯(lián)網(wǎng)的內(nèi)涵106
6.1.3　中國智能制造的內(nèi)涵109
6.2　特種閥門制造業(yè)發(fā)展現(xiàn)況及趨勢112
6.2.1　閥門行業(yè)發(fā)展現(xiàn)況及制約因素113
6.2.2　閥門行業(yè)各類問題與短板115
6.2.3　閥門行業(yè)未來的發(fā)展趨勢116
6.3　智能制造共性技術118
6.3.1　工業(yè)物聯(lián)網(wǎng)118
6.3.2　信息物理生產(chǎn)系統(tǒng)121
6.3.3　數(shù)字主線122
6.3.4　工業(yè)大數(shù)據(jù)126
6.3.5　機器學習127
6.4　特種閥門智能制造戰(zhàn)略129
6.4.1　智能制造規(guī)劃129
6.4.2　智能制造研發(fā)計劃130
參考文獻132
第7章　特種閥門智能制造技術134
7.1　特種閥門的工業(yè)互聯(lián)網(wǎng)標識與信息集成134
7.2　特種閥門制造的尺寸精度工程技術138
7.3　面向特種閥門的虛擬工廠技術140
7.4　特種閥門制造大數(shù)據(jù)關鍵技術142
7.5　特種閥門智能制造案例介紹145
參考文獻156
第8章　智能運維與特種閥門運維157
8.1　智能運維的相關概念158
8.1.1　運行維修模式158
8.1.2　智能運維關鍵技術159
8.2　特種閥門的智能運維162
參考文獻163
第9章　特種閥門故障狀態(tài)數(shù)據(jù)采集和預處理技術165
9.1　特種閥門故障狀態(tài)數(shù)據(jù)采集165
9.1.1　泄漏狀態(tài)數(shù)據(jù)采集165
9.1.2　振動狀態(tài)數(shù)據(jù)采集171
9.1.3　噪聲狀態(tài)數(shù)據(jù)采集173
9.2　狀態(tài)數(shù)據(jù)預處理技術176
9.2.1　傅里葉變換177
9.2.2　小波變換178
9.2.3　經(jīng)驗模態(tài)分解183
參考文獻186
第10章　面向特種閥門的智能故障診斷技術188
10.1　智能故障診斷技術概述188
10.2　基于模型的智能故障診斷技術190
10.2.1　基于模型的智能故障診斷技術的原理和分類191
10.2.2　基于狀態(tài)估計方法的調節(jié)閥故障診斷技術193
10.3　基于數(shù)據(jù)驅動的智能故障診斷技術194
10.3.1　基于數(shù)據(jù)驅動的故障診斷方法概述194
10.3.2　基于神經(jīng)網(wǎng)絡的電液伺服閥的智能故障診斷技術199
10.3.3　基于支持向量機的閥門泄漏故障診斷202
10.4　基于知識的智能故障診斷技術204
10.4.1　基于知識的方法概述205
10.4.2　閥門系統(tǒng)故障診斷知識庫的建立209
10.4.3　基于故障樹分析的調節(jié)閥故障診斷211
參考文獻214
第11章　特種閥門智能運維系統(tǒng)215
11.1　故障預測與健康管理概述215
11.2　特種閥門故障預測與健康管理研究方法216
11.2.1　基于物理模型的方法217
11.2.2　基于數(shù)據(jù)驅動的方法218
11.2.3　基于統(tǒng)計學的方法219
11.3　特種閥門故障預測技術220
11.3.1　故障預測方法221
11.3.2　故障預測模塊設計222
11.4　面向特種閥門的健康管理224
11.4.1　特種閥門維修策略225
11.4.2　核電閥門的維修決策支持系統(tǒng)227
11.5　特種閥門智能運維系統(tǒng)實例229
11.5.1　基于LoRa的智能閥控云監(jiān)測系統(tǒng)229
11.5.2　基于物聯(lián)網(wǎng)的智能泵閥控制平臺229
參考文獻233