基于MATLAB的预测性维护

2天中的第一天

导入数据和处理数据

摘要目的:将数据导入MATLAB并组织分析，包括处理缺失值。通过提取和操作部分数据来处理原始导入数据。

• 使用MATLAB数据类型存储数据
• 使用数据存储导入
• 处理缺少元素的数据
• 用高数组处理大数据

在数据中寻找自然模式

摘要目的:使用无监督学习技术根据一组条件指标对观察结果进行分组，并在数据集中发现自然模式。

• 在数据中查找自然簇
• 执行降维
• 评估和解释数据中的集群

建筑物分类模型

摘要目的:使用监督学习技术对分类问题进行预测建模。评估预测模型的准确性。

• 使用分类学习者应用程序进行分类
• 从标记的数据训练分类模型
• 验证训练过的分类模型
• 通过超参数优化提高性能

2天中的第二天

探测和分析信号

摘要目的:交互式探索和可视化数据中的信号处理功能。

• 导入、可视化和浏览信号以获得见解
• 对信号进行测量
• 在时域和频域比较多个信号
• 执行交互式光谱分析
• 提取感兴趣的区域
• 为自动化生成MATLAB脚本

预处理信号以提高数据集质量和生成特征

摘要目的:学习通过重采样、去除异常值和填充空白等操作来清理信号集的技术。交互式生成和排序功能。

• 使用重采样来处理非均匀采样信号
• 填补均匀采样信号的空白
• 执行重采样以确保跨信号的公共时基
• 使用信号分析仪应用程序来设计和应用滤波器
• 使用文件集成数据存储导入数据
• 使用诊断功能设计器应用程序自动生成和排序功能
• 使用包络谱进行机械诊断
• 定位异常值并替换为可接受的样本
• 检测变化点并执行自动信号分割

估计发生故障的时间

摘要目的:研究数据以识别特征并训练决策模型来预测剩余的使用寿命。

• 选择条件指示器
• 使用生存模型使用寿命数据来估计剩余的有用寿命
• 使用运行到阈值数据，使用退化模型估计剩余可用寿命
• 使用运行到故障的数据，使用相似模型来估计剩余的可用寿命