基于MATLAB的预测维修方法

概述

您是否使用收集传感器数据的操作设备?在本次研讨会上，您将了解如何利用这些数据进行预测性维护，即系统的智能健康监测，以避免未来的设备故障。与传统的维护时间表不同，预测性维护计划由分析算法和传感器数据确定。使用预测性维护，组织可以在设备发生故障之前识别问题，查明故障的根本原因，并在需要时尽快安排维护。

突出了

• 访问和预处理来自各种来源的数据
• 使用机器学习来开发预测模型
• 创建用于可视化和与模型结果交互的仪表板
• 在生产系统和嵌入式设备中部署预测算法
• 使用模拟为昂贵或难以重现的故障生成数据

关于主讲人

Russell Graves是MathWorks的应用工程师，专注于机器学习和系统工程。在加入MathWorks之前，Russell曾在田纳西大学和橡树岭国家实验室从事智能交通系统研究，重点是多智能体机器学习和复杂系统控制。罗素拥有田纳西大学机械工程学士学位和硕士学位，是后期机械工程博士候选人。