预测维修工具箱

设计和测试状态监测和预测维护算法

预测性维护工具箱™允许您标记数据、设计条件指示器和估计机器的剩余使用寿命(RUL)。

工具箱提供了函数和交互式应用程序,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、提取和排列特性。通过使用频率和时频方法从振动数据中提取特征,您可以监视旋转机器(如轴承和变速箱)的健康状况。要估计机器的故障时间,可以使用生存、相似性和基于趋势的模型来预测RUL。

您可以分析并标记从本地文件、云存储和分布式文件系统导入的传感器数据。还可以标记从Simulink生成的模拟故障数据万博1manbetx®模型。工具箱包括电机、变速箱、电池和其他机器的参考示例,可用于开发定制的预测性维护和状态监视算法。

开始

学习预测维护工具箱的基础知识

管理系统数据

导入实测数据,生成模拟数据,整理数据,在命令行和app中使用

数据进行预处理

清理和转换数据,为在命令行和应用程序中提取条件指示器做好准备

识别条件指标

在命令行或应用程序中查看数据,以识别能够指示系统状态或预测未来状态的特性

发现和预测故障

训练状态监测和故障检测的决策模型;预测剩余使用寿命(RUL)

部署预测维护算法

实现和部署状态监视和预测维护算法