基于MATLAB和Si万博1manbetxmulink的预测维修

工程师使用MATLAB®,模万博1manbetx拟链接®,和预测性维护工具箱开发和部署企业IT和OT系统的状态监测和预测维护软件。

  • 进入流式传输和存档数据使用云存储、关系数据库和非关系数据库以及诸如REST、MQTT和OPC UA等协议的内置接口。
  • 数据预处理与特征提取使用应用程序用于信号处理和统计技术。
  • 开发机器学习模型隔离失败的根本原因并预测失败时间剩余使用寿命(RUL).
  • 将算法和模型部署到您选择的操作系统中,如嵌入式系统,边缘设备,以及通过自动生成C/C++、Python、HDL、PLC、GPU、.NET或java®基于软件组件。
设计和测试状态监测和预测维护算法
了解如何获取足够的数据和故障数据,以及如何开始预测性维护工作流。
了解有关预测性维护概念和工作流的更多信息。

随时随地访问数据

来自设备的数据可以是结构化的或非结构化的,并驻留在多个源中,如本地文件、云(如AWS®S3,天青®Blob)、数据库和数据历史学家。无论你的数据在哪里,你都可以用MATLAB来获取。当您没有足够的故障数据时,您可以通过注入信号故障并对系统故障动力学建模,从机器设备的Simulink模型生成故障数据。万博1manbetx


清理和探索数据以简化它

数据混乱。使用MATLAB可以对其进行预处理、降维和特征工程。

  • 对齐以不同速率采样的数据,并解释丢失的值和异常值。
  • 使用先进的信号处理技术去除噪声、过滤数据和分析瞬态或变化的信号。
  • 使用统计和动态方法进行特征提取和选择,简化数据集并减少预测模型的过度拟合。

基于机器学习的故障检测与预测

识别故障的根本原因,并使用分类、回归和时间序列建模技术预测故障时间。

  • 交互地探索和选择最重要的变量来估计RUL或分类失效模式。
  • 训练、比较和验证具有内置功能的多个预测模型。
  • 计算并可视化置信区间,以量化预测中的不确定性。

在生产系统中部署算法

通过在嵌入式设备和企业IT/OT系统中实现您的MATLAB算法,缩短响应时间,传输更少的数据,并将结果立即提供给车间的操作员。

  • 通过从Matlab和Simulink中自动生成C/C++代码,实现对目标资产和边缘设备的手工编码。万博1manbetx
  • 使用生产服务器在云上扩展您的MATLAB分析,并与星火,PI服务器,以及其他平台。