预测维修工具箱
设计和测试状态监测和预测性维护算法
预测性维护工具箱™可以让你的标签数据,设计条件指标,并估计机器的剩余使用寿命(RUL)。
工具箱提供了函数和交互式应用程序,用于使用基于数据和基于模型的技术(包括统计、光谱和时间序列分析)探索、提取和排列特性。通过使用频率和时频方法从振动数据中提取特征,您可以监视旋转机器(如轴承和变速箱)的健康状况。要估计机器的故障时间,可以使用生存、相似性和基于趋势的模型来预测RUL。
您可以分析并标记从本地文件、云存储和分布式文件系统导入的传感器数据。还可以标记从Simulink生成的模拟故障数据万博1manbetx®模型。工具箱包括电机、变速箱、电池和其他机器的参考示例,可用于开发定制的预测性维护和状态监视算法。
入门:
免费的电子书
用MATLAB进行预测维护
RUL估算模型
估计机器的RUL,以帮助您预测它的无故障时间和优化维护计划。该键入RUL估计算法的used取决于从数据中提取的条件指示器,以及有多少数据可用。
使用分类模型进行故障诊断
通过训练分类,并使用支持向量机,k-均值聚类,和其他机器学习技术聚类模型隔离故障的根本原因。万博1manbetx
诊断功能设计App
提取物,可视化和等级特点,设计条件指标来监测机器健康。从应用程序生成MATLAB代码自动完成整个过程。
基于信号状态指示灯
提取物从使用雨流计数,谱峰检测,谱峰度,和其他时间,频率和时间 - 频率域技术原始或预处理的传感器数据的功能。
数据组织和标签
从本地文件导入和标记数据,Amazon S3™,Windows Azure®Blob存储,和Hadoop®分布式文件系统。
从Simulink和失败的Simscape数据生成万博1manbetx
使用Simulink和你的机器的Simscape™模型模万博1manbetx拟故障数据。修改参数值,注入故障和变化模型动态。