为MATLAB MathWorks添加新预见性维护产品

MathWorks今天宣布预测维修工具箱MATLAB,一个新的产品,帮助工程师设计和测试状态监测和预测维护算法。预见性维护工具箱提供了功能和参考例子工程师在设计算法来组织数据,设计条件指标,监控机器健康和估计剩余使用寿命(原则),以防止设备故障。

与预测维修工具箱,工程师可以分析和标签传感器数据从文件导入本地存储或云存储。他们还可以标签模拟故障从模型生成的数据模型来表示设备故障。万博1manbetx信号处理等技术和动态建模方法建立光谱分析和时间序列分析让工程师预处理数据和提取功能,可用于监测机器的条件。使用生存、相似性原则和基础模型来预测可以帮助工程师估计机器故障。工具箱包括参考例子马达,齿轮箱,电池和其他机器可以重用开发定制的预见性维护和状态监测算法。

现在,工程师可以开发和验证所需的算法预测当一个设备故障可能发生或发现任何潜在的异常通过监测传感器数据。这些算法是由访问历史数据存储在本地文件,在云存储系统,如Amazon S3和Windows Azure Blob存储,或Hadoop分布式文件系统。从物理模型数据的另一个来源是模拟数据的设备,把故障动力学。工程师可以从这些数据中提取并选择最合适的功能,然后使用交互式应用训练机器学习模型与这些特性来预测或检测设备故障。

“预见性维护是一个工业物联网的关键应用程序。这是至关重要的减少不必要的维护成本和消除计划外停机。工程师通常没有背景的机器学习或信号处理找到设计算法预测维护特别具有挑战性,”Paul Pilotte说,技术营销经理,MathWorks。“现在,这些团队可以快速提高利用预见性维护工具箱作为起点学习如何设计和测试这些算法”。

了解工程团队使用MATLAB通过预测来减少设备停机故障,自动判断失败的根源,并避免不必要的维护成本MATLAB和Simu万博1manbetxlink预测性维护。