Girdharan Kumaravelu,MathWorks公司
预测健康状况和时间来使用MATLAB工业管道风机的故障®和ThingSpeak™。利用MATLAB开发基于仪表风扇振动测量数据的预测维护算法。模拟各种故障情况,包括堵塞的风扇和积满灰尘的风扇。从振动数据中提取特征,建立并训练机器学习模型,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,在风扇上安装一个带有加速计的粒子光子。粒子光子是一种联网设备,通过wi-fi连接物联网,让你可以将振动信号传输到云中的物联网分析平台。
数据处理,特征提取,以及机器学习和预测性维护的培训(状态检修)模型,利用MATLAB工具进行脱机。用于离线训练和训练的模型相同的代码被上传到云和使用使用上ThingSpeak内置的MATLAB分析应用程序来预测风扇的状态。
上ThingSpeak,可以作为数据流中对数据执行预测算法。该信道显示示出了风扇的当前状况,并且可以从任何与因特网连接的网络浏览器或移动设备来观看。您也可以到时未能预测到低于某一阈值配置ThingSpeak发送短信和电子邮件警报。
快速原型状态监测与ThingSpeak和MATLAB算法!
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。