随着“中国制造2025”的提出，故障预测和健康管理技术可以与工业互联网、人工智能和大数据等先进技术进行深度融合，进一步提高设备故障预测和健康管理的准确性。健康管理和基于状态维修的核心问题是如何实现高效的特征提取和预测分析，因此本书重点分析了寿命预测的相关基本理论、算法流程和实现方案。 本书由浅入深，是故障预测和健康管理技术领域较为系统化的学术书籍，不仅可以作为科研人员的参考书，还可以作为高校和科研院所的教学用书，对从业人员理解基本理论和方法体系大有裨益。

第0章 绪论
0.1 技术-社会-经济问题的强化
0.2 一个话题的出现：PHM
0.3 本书的目的
第l章 PHM和预测性维修
1.1 预期维修和预测
1.2 剩余使用寿命的预测和评估
1.3 从数据到决策：PHM流程
1.4 本书的范围
第2章 数据获取：从系统到数据
2.1 概述
2.2 关键元件和物理参数
2.3 数据采集和存储
2.4 案例分析：轴承的PHM分析
2.5 本章小结
第3章 数据处理：从数据到健康指标
3.1 概述
3.2 特征提取
3.3 特征降维／选取
3.4 健康指标的构建
3.5 本章小结
第4章 健康状态评估，剩余使用寿命预测——第一部分
4.1 概述
4.2 利用神经网络进行特征预测
4.3 状态识别与RUL评估
4.4 应用和讨论
4.5 本章小结
第5章 健康状态评估，剩余使用寿命预测——第二部分
5.1 概述
5.2 健康状态的建模和评估
5.3 行为预测与RUL评估
5.4 应用和讨论
5.5 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
索引