35:53视频长度为35:53。
预测性维护的MATLAB和Simulink
在这次网络研讨会上,我们将使用MATLAB中的机器学习和Simulink中的物理建模来演示预测性维修的概念。使用来自真实世界示例的数据,我们将探讨导入、预处理和标记数据,以及选择特征,以及训练和比较多个机器学习模型。然后,我们将考虑一个网格连接的发电工厂,通过提供一个为机器学习方法生成故障数据的平台,并作为监测系统退化的额外范式,来演示如何使用设备的物理模型来补充机器学习技术。
会议强调:
- 开发更大规模的物理模拟
- 利用大数据进行模拟
- 根据测量数据估计模型参数
- 使用机器学习方法建立原型、测试和改进预测模型
- 结合物理建模和机器学习技术进行预测性维护
主持人:
Graham Dudgeon,博士,公用事业和能源MathWorks公司首席行业经理Graham是MathWorks能源部门的首席行业经理,与全球电力、化工和石油行业密切合作。在担任行业经理之前,Graham是MathWorks的首席技术顾问,与电机、航空航天、国防、汽车、运输和医疗行业的广泛客户合作。Graham的技术经验和专业知识包括;电网仿真(输配电)、可再生能源仿真(风电场和太阳能电场运行和电网集成)、控制系统设计与分析、数据分析、电力电子。
记录:2018年8月9日
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。