利用MATLAB对某工业风道风机的健康状况和失效时间进行预测®和ThingSpeak™。利用MATLAB开发基于仪器风机实测振动数据的预测性维护算法。模拟各种故障情况，包括堵塞的风扇和灰尘积聚的风扇。从振动数据中提取特征，并建立和训练机器学习模型来诊断不同类型的故障。使用预测性维护工具箱™，创建一个估计风扇故障时间的模型。为了收集振动数据，风扇上安装了一个带有加速度计的粒子光子。Particle Photon是一款联网设备，通过wi-fi连接到ThingSpeak，使您能够将振动信号传输到云端的ThingSpeak物联网分析平台。
使用MATLAB工具离线执行机器学习和预测性维修(基于状态的维修)模型的数据处理、特征提取和训练。用于离线训练的代码和训练后的模型被上传到云端，并使用ThingSpeak上内置的MATLAB分析应用程序来预测风扇的状况。
在ThingSpeak上，你可以在数据流进入时对数据执行预测算法。频道显示显示风扇的当前状态，可以从任何连接互联网的网络浏览器或移动设备上查看。你还可以配置ThingSpeak，当预测到故障发生的时间小于某个阈值时，它会发送短信和电子邮件提醒。
用ThingSpeak和MATLAB快速创建状态监测算法原型!
