状态监测

状态监测是一个过程,收集和分析来自设备的传感器数据以评估其健康状态在操作。准确地识别当前健康状态的设备的发展是至关重要的预见性维护项目。

状态监测使设备制造商和运营商去做以下:

• 减少计划外故障通过识别异常或故障之前成为主要问题
• 避免不必要的维护成本仅在必要时通过调度设备服务
• 减少停机时间更快地确定故障源

状态监测不仅是收集数据也使用该数据来评估机器的条件。这种评价可以从任何东西控制图确保一个传感器值不超过安全阈值对成百上千的机器学习算法训练传感器与月的历史数据,如发达的Mondi Gronau。

状态监测与预测

预见性维护计划可以使用状态监测和预测算法。状态监测和之间的主要区别预测是时间。

在MATLAB开发状态监测算法

获取数据

在MATLAB开发状态监测算法^®,您需要从数据从您的资产。直接从传感器和获取数据测试硬件使用硬件支持包金宝app在MATLAB。或者,从服务,如访问流媒体和归档数据OPC UA,RESTful web服务,数据库,AWS S3,Azure Blob。

如果你没有足够的数据,你也可以生成合成数据通过构建一个物理模型的资产。

探索和预处理数据

首先预处理和可视化数据。你能够轻松地检测异常的眼睛吗?如果是这样,你可以使用一个简单的算法等findchangepts或者一个controlchart。

如果您的数据包含了许多传感器,或异常难以识别,需要探索更先进的技术,如机器学习和深入学习,发现数据中的模式。

开发状态监测算法

开发状态监测算法,首先需要确定条件指标:功能显示正常和错误操作之间的区别。这些可能是容易被发现或可能需要提取,结合许多特性。的诊断功能设计应用程序从预见性维护工具箱™可以交互式地提取、等级和出口各种各样的功能。

然后您可以使用这些特征作为输入机器学习或深度学习算法来训练你的状态监测算法。例如,您可以交互式地测试各种故障分类算法使用分类学习者应用程序。

部署和集成

一旦验证,需要实施的状态监测算法它的环境如服务器或云。状态监测算法也可以部署到一个嵌入式系统,使更快的响应时间和显著减少了通过网络发送的数据量。

要点

• 状态监测可以帮助你评估在操作设备的健康状态。
• 这些算法可以从简单的阈值变化复杂的机器学习和深入学习算法。
• MATLAB可以帮助您开发和部署状态监测算法。有关更多信息,请参见预测维修工具箱。