预测性维护工具箱™允许您管理传感器数据,设计状态指示器,并估计机器的剩余使用寿命(RUL)。
该工具箱提供了一些功能和一个交互式应用程序,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、提取和排序特征。通过从传感器数据中提取特征,可以监视电池、电机、变速箱和其他机器的健康状况。要估计机器发生故障的时间,可以使用生存期、相似性和基于趋势的模型来预测RUL。
您可以对从本地文件、云存储和分布式文件系统导入的传感器数据进行整理和分析。您可以标记从Simulink生成的模拟故障数据®模型。工具箱包括电机、齿轮箱、电池、泵、轴承和其他机器的参考示例,这些机器可以重用来开发定制的预测性维护和状态监测算法。
要操作您的算法,您可以生成C/ c++代码以部署到边缘,或者创建一个生产应用程序以部署到云中。
云部署
使用MATLAB编译器™而且MATLAB编译器SDK™的算法云作为共享库、包、web应用程序、Docker容器等等。部署到MATLAB生产服务器™在微软®Azure®或AWS®无需重新编码。