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。
相似性，降解和生存RUL模型。
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
诊断使用分类学习应用程序故障。
使用基于数据的模型进行故障检测。
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。
Time-frequency-based条件指标。
基于自回归模型的条件指标。
RUL估计用于风力涡轮机的轴承。
在三缸泵故障分类。
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。
使用数据集成管理多个文件。
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。
管理使用模拟数据合奏数据。
