预测性维护工具箱™让您管理传感器数据，设计条件指标，并估计机器的剩余使用寿命(RUL)。

这个工具箱提供了一些函数和一个交互式应用程序，可以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)来探索、提取和排序特性。通过使用频率和时频方法从振动数据中提取特征，可以监视旋转机器的健康状况。为了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。

您可以对从本地文件、云存储和分布式文件系统导入的传感器数据进行组织和分析。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、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控算法。

要对算法进行操作，可以生成C/ c++代码部署到边缘，或者创建生产应用程序部署到云。