Aditya巴鲁,MathWorks
预测性维护工具箱™提供了评估机器剩余使用寿命(RUL)和提取特征以设计条件指示器的功能,这些指示器可以帮助监控机器的运行状况。工具箱还提供管理和标记数据的功能,以及为轴承、泵、电池和其他机器开发算法的参考示例。
预测性维护工具箱™提供功能和参考示例,用于设计和测试球轴承、泵、电池和其他机器的状态监测和预测性维护算法。
使用诊断特征设计器从传感器数据中提取特征,无需编写任何MATLAB®代码。对传感器数据信号进行滤波和预处理,提取均值和标准差等时域特征。您还可以估计信号的功率和阶谱,并提取频谱峰值等频域特征。在计算了特性之后,可以对它们进行绘图和排序,以确定哪些特性最适合您的故障分类和剩余寿命算法,并导出它们。
您可以使用相似方法(需要从运行到故障的数据)、生存方法(需要与部件更换和部件故障等事件相关的生命周期数据)和基于趋势的方法(需要已知的故障阈值)来估计机器的故障时间或剩余使用寿命。
如您所见,这些方法还为所做的预测提供了置信区间。
每个算法都需要数据,在用MATLAB组织之前,您可以从云、HDFS和本地文件导入您的算法。如果没有任何故障数据,可以从Simulink生成仿真数据万博1manbetx®包含故障条件的机器模型。
文档和示例帮助您逐步了解算法开发过程的工作流程。
有关预测性维护工具箱的更多信息,请返回产品页面。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。