预测维修算法设计的状态指标识别- MATLAB和Simulink

为预测性维修算法设计识别状态指标

预测性维护使设备用户和制造商能够评估机械的工作状态，诊断故障，或估计下一次设备故障可能发生的时间。当您能够诊断或预测故障时，您可以提前计划维护、更好地管理库存、减少停机时间并提高操作效率。

预测性维护计划的完整工作流程包括多个步骤，从数据采集开始，到状态监测算法的部署和集成结束。有关更多信息，请参见状态监测与预测维护算法设计．

预测维护算法开发的一个关键步骤是识别条件指标，这些指标是系统数据中的特征，随着系统退化，其行为以可预测的方式发生变化。状态指示器可以是对区分正常操作与故障操作或预测剩余使用寿命有用的任何特征。一个有用的条件指示器将类似的系统状态聚集在一起，并将不同的状态分开。条件指示器的例子包括从以下公式导出的量:

简单的分析，例如数据随时间变化的平均值
更复杂的信号分析，如信号频谱中峰值幅度的频率或来自旋转源的信号的时间同步平均

在诊断特性设计器应用程序，您可以开发功能和评估潜在的条件指标使用多功能图形界面。

该应用程序操作数据集合。一个系综是数据集的集合，通过在不同条件下测量或模拟系统而创建。在一组条件下表示一个系统的单个数据集是成员．诊断特性设计器在执行一个操作时处理所有集成成员。

在诊断特性设计器，你可以互动:

通过绘制数据集合并与集合成员交互来可视化地探索数据集合。
将数据转换为不同的形式，以便进一步探索。例如，您可以创建信号的功率谱来评估其频域行为。或者您可以执行时间同步平均，这样可以过滤掉与机器旋转无关的任何噪音或干扰。
生成各种类型的特征，并绘制直方图，以可视化每个特征在从具有不同条件的系统中分离数据时的有效性。
通过使用排名算法对生成的特征进行排名，这些算法使用特定的标准来确定哪些特征是最有效的。
将应用程序中的数据集或特征集导出到MATLAB中^®工作区，或将特性集导出到分类学习者用于模型开发和附加特征评估。
为您的特征生成MATLAB代码，以便您可以在其他或更大的数据集上执行特征计算。

以下三部分的教程将带您完成诊断特性设计器传输系统模型的工作流程，从初始数据导入到所选功能的导出。