主要内容

预测维修工具箱

设计和测试状态监测和预测维护算法

预见性维护工具箱™允许您管理传感器数据,设计条件指标,估算剩余寿命(原则)的一台机器。

工具箱提供了探索函数和一个交互式应用程序,提取,使用基于数据和基于模型的技术和排名功能,包括统计、光谱和时间序列分析。您可以监视电池的健康,发动机,变速箱,和其他机器从传感器数据进行特征提取。估计机器故障,您可以使用生存,相似性和基础模型来预测原则。

你可以组织和分析传感器数据从本地文件导入,云存储,分布式文件系统。你可以从仿真软件模拟故障数据生成的标签®模型。工具箱包括参考例子马达,齿轮箱,电池、水泵、轴承、和其他机器可以重用开发定制的预见性维护和状态监测算法。

实施你的算法,可以生成C / c++代码部署到边缘或创建一个生产应用程序部署到云上。

开始

学习基本的预测维修工具箱

管理系统数据

导入测试数据,生成模拟数据,组织数据的使用在命令行和应用

数据进行预处理

清洁和转换数据准备在命令行中提取条件的指标和应用

识别条件指标

探索数据在命令行或在应用程序识别功能,可以显示系统状态或预测未来状态

检测和预测错误

训练决策模型进行状态监测和故障检测;预测剩余寿命(原则)

部署预见性维护算法

实现和部署状态监测和预测维护算法

Baidu
map