Aditya巴鲁,MathWorks
预测性维护工具箱提供了评估机器剩余使用寿命(RUL)的功能,并提取特性来设计状态指示器,以帮助监视机器的健康状况。工具箱还提供了管理和标记数据的功能,以及为轴承、泵、电池和其他机器开发算法的参考示例。
“预测维护工具箱”为滚珠轴承、泵、电池和其他机器的状态监测和预测维护算法的设计和测试提供了功能和参考示例。
使用诊断特征设计器从传感器数据中提取特征,无需编写任何MATLAB®代码。对传感器数据信号进行滤波和预处理,提取均值、标准差等时域特征。您还可以估计信号的功率和阶谱,并提取频域特征,如谱峰值。在您计算了特性之后,您可以对它们进行绘图和排序,以确定哪些特性最适合您的故障分类和剩余的有用生命周期算法,然后导出它们。
您可以使用需要运行到故障数据的相似方法、生存方法(需要与诸如部件替换和部件故障等事件相关的生存期数据)和基于趋势的方法(需要已知的故障阈值)来估计机器的故障时间或剩余的有用寿命。
正如您所看到的,这些方法还为所做的预测提供了置信区间。
每个算法都需要数据,您可以从云、HDFS和本地文件中导入数据,然后在MATLAB中进行组织。如果您没有任何故障数据,您可以从Simulink生成模拟数据万博1manbetx®你的机器结合了故障条件下的模型。
这些文档和示例帮助您逐步了解算法开发过程的工作流。
有关预测性维护工具箱的更多信息,请返回产品页面。