工程师使用MATLAB®,仿真软件®,预见性维护工具箱™为企业IT和OT系统开发和部署状态监测和预测性维护软件。
- 访问流数据和存档数据使用到云存储、关系数据库和非关系数据库以及REST、MQTT和OPC UA等协议的内置接口。
- 对数据进行预处理,提取特征监视设备运行状况使用情况应用程序用于信号处理和统计技术。
- 开发机器学习模型隔离故障的根本原因和预测失效到达时间而且剩余使用寿命(RUL).
- 将算法和模型部署到您所选择的正在运行的系统中,例如嵌入式系统,边设备,云通过自动生成C/ c++, Python, HDL, PLC, GPU, .NET或Java®基于软件组件。
使用MATLAB和Simulink进行预测性维护
访问数据无论它在哪里
来自设备的数据可以是结构化的或非结构化的,并且驻留在多个来源中,如本地文件、OPC UA服务器、云(例如AWS)®S3, Azure®Blob)、数据库和数据历史学家(如OSIsoft)®PI系统™。无论你的数据在哪里,你都可以用MATLAB得到它。当您没有足够的故障数据时,您可以通过注入信号故障并建模系统故障动态,从机器设备的Simulink模型中生成故障数据。
清理和探索你的数据,以简化它
数据是混乱的。用MATLAB,你可以对它进行预处理,降低它的维数,并设计特征。
- 对齐以不同速率采样的数据,并考虑缺失值和异常值。
- 使用先进的信号处理技术去除噪声,过滤数据,分析瞬态或变化信号。
- 使用统计和动态方法进行特征提取和选择,简化数据集,减少预测模型的过拟合。
使用机器学习检测和预测故障
使用分类、回归和时间序列建模技术确定故障的根本原因并预测从故障到故障的时间。
- 交互式地探索和选择最重要的变量来估计RUL或分类故障模式。
- 使用内置函数训练、比较和验证多个预测模型。
- 计算和可视化置信区间,以量化预测中的不确定性。
探索产品2022世界杯八强谁会赢?