阿迪亚巴鲁,MathWorks公司
预测性维护工具箱™为估计机器的剩余使用寿命(RUL)和提取功能设计条件指标,它可以帮助监控机器的健康功能。工具箱也提供了用于管理和用于开发轴承算法标记数据,以及参考例中的功能,泵,电池,和其他机器。
预测性维护工具箱™提供了用于设计和测试条件监测和滚珠轴承预测性维护算法的能力和参考的例子,泵,电池,和其他机器。
使用诊断功能设计,从传感器数据提取功能,无需编写任何MATLAB®码。过滤和预处理的传感器数据信号和提取时域特性,如平均值和标准偏差。还可以估算出信号的功率和高阶谱和提取频域的功能,如频谱峰值。你有你的计算功能后,您可以绘制并加以排序,以确定哪些功能最适合您的故障分类及剩余使用寿命的算法,并将其导出。
可以估算出时间为您的机器故障或它利用相似的方法剩余使用寿命内需要运行到出现故障的数据,生存方式,这需要与事件相关的寿命数据,如更换零件和部件失效和基于趋势的方法,这需要一个已知的故障阈值。
正如你所看到的,方法还提供了作出的预测置信区间。
每一个算法需要的数据,并且可以从云,HDFS,和本地文件在MATLAB组织之前汇入你的。如果你没有任何故障数据,可以生成从Simulink仿真数据万博1manbetx®你的机器结合了故障条件下的模型。
文档和例子帮助你通过逐步完成算法开发过程中的工作流程开始。
有关预测性维护工具箱的更多信息,请返回产品页面。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。