预测性维护工具箱™ 用于管理传感器数据、设计条件指示器和估计机器的剩余使用寿命（RUL）。

工具箱提供了一些功能和一个交互式应用程序，用于使用基于数据和基于模型的技术（包括统计、光谱和时间序列分析）探索、提取和排序特征。您可以通过使用频率和时间频率方法从振动数据中提取特征来监控旋转机器的健康状况。要根据机器的故障时间，可以使用生存、相似性和基于趋势的模型来预测RUL。

您可以组织和分析从本地文件、云存储和分布式文件系统导入的传感器数据。您可以标记从Simulink生成的模拟故障数据万博1manbetx^®模型。工具箱包括电机、齿轮箱、电池和其他机器的参考示例，这些机器可用于开发定制的预测性维护和状态监控算法。

要操作您的算法，您可以生成用于部署到边缘的C/C++代码，或者创建用于部署到云的生产应用程序。