2:06视频长度为2:06。
什么是预测性维护工具箱?
预测性维护工具箱™提供了估计机器剩余使用寿命(RUL)的功能,并提取特征来设计有助于监视机器健康状况的状态指示器。该工具箱还提供了管理和标记数据的功能,以及为轴承、泵、电池和其他机器开发算法的参考示例。
预测性维护工具箱™为设计和测试滚珠轴承、泵、电池和其他机器的状态监测和预测性维护算法提供了功能和参考示例。
使用诊断特征设计器从传感器数据中提取特征,无需编写任何MATLAB®代码。对传感器数据信号进行滤波和预处理,提取均值和标准差等时域特征。您还可以估计信号的功率和阶谱,并提取频域特征,如谱峰值。在计算完特征之后,可以对它们进行绘图和排序,以确定哪些特征最适合故障分类和剩余可用寿命算法,并导出它们。
您可以使用相似方法(需要从运行到故障的数据)、生存方法(需要与部件更换和部件故障等事件相关的生命周期数据)和基于趋势的方法(需要已知的故障阈值)来估计机器的故障时间或其剩余可用寿命。
正如您所看到的,这些方法还为所做的预测提供了置信区间。
每个算法都需要数据,在用MATLAB组织之前,您可以从云、HDFS和本地文件导入您的算法。如果没有任何故障数据,则可以从Simulink生成模拟数据®包含故障条件的机器模型。
文档和示例通过引导您完成算法开发过程的工作流程来帮助您入门。
有关预测性维护工具箱的更多信息,请返回产品页面。
相关产品2022世界杯八强谁会赢?
了解更多
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。