Girdharan Kumaravelu, MathWorks
利用MATLAB对某工业通风机的健康状态和失效时间进行预测®和ThingSpeak™。使用MATLAB开发预测维护算法基于测量振动数据从仪表风扇。模拟各种故障条件,包括堵塞的风扇和灰尘积聚的风扇。从振动数据中提取特征,建立并训练机器学习模型来诊断不同类型的故障。使用“预测性维护工具箱”™,创建一个模型,估计风扇失效的时间。为了收集振动数据,一个带有加速度计的粒子光子被安装在风扇上。粒子光子是一个互联网连接设备,通过wi-fi连接到ThingSpeak,使你可以将振动信号传输到云中的ThingSpeak物联网分析平台。
数据处理、特征提取、机器学习和预测维修(基于状态的维修)模型的训练使用MATLAB工具离线进行。离线训练时使用的代码和训练后的模型被上传到云端,并使用ThingSpeak内置的MATLAB分析应用程序来预测风扇的状态。
在ThingSpeak上,你可以在数据流输入时对数据执行预测算法。通道显示显示风扇的当前状态,可以从任何连接互联网的web浏览器或移动设备上查看。你也可以配置ThingSpeak,当失败的时间预计小于某个阈值时,发送短信和电子邮件提醒。
快速原型条件监测算法与ThingSpeak和MATLAB!