基于模型的预测性维护设计
预测性维护越来越多地被采用，因为它可以减少工业设备故障时的意外停机时间和维护成本。在本系列视频中，您将了解如何使用工业系统的仿真模型以及基于模型的设计来涵盖整个预测性维护工作流程。工作流程从数据采集和预处理到设计和部署预测性维护算法到PLC和独立可执行程序或web应用程序。
系列的介绍学习预测性维护的基本方面。
第1部分:数据生成了解物理建模如何帮助您生成开发预测性维护算法所需的综合故障数据。
第二部分:特征提取了解MATLAB如何帮助您管理数据并提取系统的有用条件指标。
第3部分:训练机器学习模型了解分类学习者应用程序如何使您能够训练和验证您的状态监测算法。
第4部分:代码生成和实时测试学习如何从机器学习模型自动生成代码，并在实时硬件(例如，在B&R PLC上)上进行测试。
第5部分:预测模型的开发了解如何构建一个模型来预测系统的剩余使用寿命(RUL)。
第6部分:预测模型的部署了解如何设计一个应用程序来部署您的剩余使用寿命(RUL)模型。
recurso项目relacionados
您也可以从以下列表中选择一个网站: