本书重点关注数据驱动的剩余寿命预测与维护决策技术，针对复杂装备的智能运维需求提供了一种较为完整的解决方案。全书共10章：第1章介绍了剩余寿命预测与维护决策的国内外研究现状和发展趋势；第2～4章分别介绍了基于多变量模型、基于相似性模型以及基于随机过程模型的典型的剩余寿命预测方法；第5～10章介绍了考虑安全风险规避、预测不确定性、维修不确定性以及维修资源约束下的预测维护方法。本书内容由浅人深，语言通俗易懂，注重实践性，并紧跟领域研究的前沿发展，为读者提供既丰富又实用的专业内容。 本书可作为控制科学与工程、工业工程等学科的师生参考用书，同时对装备健康管理、安全保障等领域的科研人员及工程技术人员具有一定的参考价值。

第1章 绪论
1.1 装备维护保障的必要性和重要性
1.2 剩余寿命预测与维护决策的相关概念
1.3 剩余寿命预测研究现状与趋势
1.4 维护决策研究现状与趋势
第2章 基于多变量模型的剩余寿命预测方法
2.1 概述
2.2 主要思想
2.3 装备退化特征提取
2.3.1 Spearman相关性指标
2.3.2 Spearman趋势性指标
2.4 基于多变量深度森林算法的健康评估模型
2.4.1 基于量子模糊聚类的健康状态划分
2.4.2 基于深度森林算法的离线系统健康状态评估
2.5 基于DLSTM的离线退化趋势预测建模
2.5.1 LSTM网络结构简介
2.5.2 退化趋势预测模型
2.6 基于组合模型的装备在线剩余寿命预测方法
2.6.1 剩余寿命在线预测实施过程
2.6.2 预测评价标准
2.7 实验验证
2.7.1 数据来源
2.7.2 退化特征选择结果
2.7.3 离线健康状态评估建模与在线验证结果
2.7.4 离线退化趋势预测建模和在线RUL估计
2.8 本章小结
第3章 基于相似性模型的剩余寿命预测方法
3.1 概述
3.2 主要思想
3.3 多变量退化特征提取
3.3.1 基于Relief算法的退化特征筛选
3.3.2 基于主成分分析的退化特征提取
3.4 基于退化特征相似性的剩余寿命预测
3.4.1 基于时间序列片段时延的相似性评估
3.4.2 基于KDE密度加权的模型综合
3.5 实验验证
3.5.1 预测性能指标
3.5.2 相似性评估与参数选择
3.6 本章小结
第4章 基于随机过程模型的剩余寿命预测方法
4.1 概述
4.2 主要思想
4.3 基于加速退化试验的混合退化过程建模
4.4 混合退化过程的寿命分布
4.5 混合退化过程的未知参数估计
4.5.1 动态权重估计
4.5.2 使用M-H方法的混合过程未知参数估计
4.6 实验验证
4.6.1 参数估计
4.6.2 正常应力水平下的可靠性分析
4.6.3 混合退化模型与传统模型的比较
4.7 本章小结
第5章 带有风险规避自适应的预测维护方法
5.1 概述
5.2 主要思想
5.3 剩余寿命预测建模
5.3.1 SVR的基本理论
5.3.2 退化特征与剩余寿命之间关系建模
5.4 规避风险的预测维护策略制定
5.4.1 风险规避函数设计
5.4.2 在线剩余寿命预测
5.4.3 维护策略制定与成本计算
5.5 实验验证
5.5.1 单一预测模型的剩余寿命预测结果
5.5.2 规避风险剩余寿命预测结果与分析
5.5.3 预测维护规划结果与分析
5.6 本章小结
第6章 基于剩余寿命预测区间的预测维护方法
6.1 概述
6.2 主要思想
6.3 剩余寿命预测区间估计
6.3.1 健康状态划分
6.3.2 剩余寿命预测边界确定
6.3.3 在线剩余寿命预测区间估计
6.4 最优维护决策
6.4.1 剩余寿命分布构建
6.4.2 维护成本率函数形成与优化
6.4.3 预测维护实施过程
6.5 实验验证
6.5.1 预测区间评估标准
6.5.2 预测区间估计实验结果与分析
6.5.3 维护决策实验结果与分析
6.6 本章小结
第7章 基于失效概率估计的预测维护方法
7.1 概述
7.2 主要思想
7.3 基于性能退化的失效概率预测
7.3.1 退化趋势预测
7.3.2 未来不同时间窗口的失效概率估计
7.4 两种期望维护成本博弈下的维护决策
7，4.1 维护成本计算
7.4.2 基于成本评估的维护时间的确定
7.4.3 维护成本率计算
7.5 实验验证
7.5.1 离线预测建模结果
7.5.2 在线维护规划结果
7.5.3 维护策略性能分析
7.6 本章小结
第8章 考虑备件管理约束的预测维护方法
8.1 概述
8.2 主要思想
8.3 基于深度学习集成的系统健康预测
8.3.1 两种深度学习算法集成
8.3.2 装备健康预测实现过程
8.4 基于预测信息的维护和库存决策规则
8.4.1 维护决策规则
8.4.2 库存决策规则
8.4.3 预测维护实施过程
8.5 实验验证
8.5.1 预测精度讨论
8.5.2 动态预测维护决策结果与分析
8.6 本章小结
第9章 基于失效时刻概率密度预测的预测维护方法
9.1 概述
9.2 主要思想
9.3 失效时刻概率密度预测
9.3.1 基于深度学习分位数回归的剩余寿命预测
9.3.2 基于核密度估计的失效时刻分布计算
9.4 基于预测信息的维护和库存策略
9.4.1 维护策略
9.4.2 库存策略
9.5 实验验证
9.5.1 DAE-LSTMQR模型的参数配置
9.5.2 失效时刻概率密度预测结果
9.5.3 维护和库存决策结果
9.6 本章小结
第10章 面向非定期不可靠检查的预测维护方法
10.1 概述
10.2 主要思想
10.3 维护策略的框架：描述和分析
10.3.1 维护描述
10.3.2 退化过程建模
10.3.3 维护成本函数
10.4 维护状态演化与维护周期计算
10.4.1 基于半再