预测维修工具箱
设计和测试状态监测和预测性维护算法
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。通过使用频率和时频方法从振动数据中提取特征,可以监视旋转机器的健康状况。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。该工具箱包括电机、齿轮箱、电池和其他机器的参考示例,可用于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。
开始
了解预测性维护工具箱的基础知识
管理系统数据
导入测量数据,生成模拟数据,组织数据以便在命令行和应用程序中使用
数据进行预处理
清理和转换数据,以便在命令行和应用程序中提取条件指示符
识别条件指标
在命令行或应用程序中查看数据,以识别可以指示系统状态或预测未来状态的特征
检测和预测故障
训练用于状态监测和故障检测的决策模型;预测剩余使用寿命(RUL)
部署预测性维护算法
实现和部署状态监视和预测性维护算法