预测失败的健康状况和时间的一个工业管道风扇使用MATLAB^®和ThingSpeak™。使用MATLAB开发预见性维护算法基于实测振动数据从一个检测风扇。模拟各种故障条件,包括阻塞风扇和风扇灰尘积聚。从振动数据中提取特征和构建和训练机器学习模型诊断不同类型的失败。与预测维修工具箱™创建一个模型,估计时间失败的粉丝。收集的振动数据,一个粒子光子与附加加速度计安装在风扇。粒子光子是一个联网设备,连接到ThingSpeak wi - fi,使您能够流ThingSpeak物联网的振动信号分析平台的云。

数据处理、特征提取、训练机器学习和预见性维护(状态维修)模型进行离线使用MATLAB工具。相同的代码用于离线训练和训练模型上传到云,用来预测的状况ThingSpeak风扇使用内置的MATLAB分析应用。

在ThingSpeak,您可以执行预测算法在数据的数据流。风扇的频道显示显示当前状况,可以从任何网络浏览器或移动设备。您还可以配置ThingSpeak发送手机短信和电子邮件警报的时候失败预计小于一定的阈值。

快速原型与ThingSpeak状态监测算法和MATLAB !