预测维护工具箱
Diseño y prueba de algoritmos de supervisión de condiciones y mantenimiento predictivo
预测维护工具箱™ permite etiquetar datos, diseñar indicadores de condición y calcular la vida útil restante (RUL) de una máquina.
Esta Toolbox Proporciona Funciones Y UNA App Interactiva Para Explorar,y克拉西卡·卡拉达斯ensysys y en Modelos,包括análisisestadísticos,Extuidos y de系列临时。Cabe La Posibilidad De Superisar El Estado de Los Equipos Rotatorios,Tales Como Rodamientos Y Cajas de Cambios,Mediante LaExtraccióndeCaracterísticasAPerirde Datos deVibraciónuterizandoMétodosdeFrecuenciaY Tiempofrecuencia。Puede Utherizar Modelos De Supervencia,Similitud Y Basados en Tendencias Para Predecir La Rul A Fin de Calcular El Tiempo Hasta Que Se Produzca Un Fallo en UnaMáqua。
Es posible analizar y etiquetar los datos de sensores importados desde archivos locales, almacenamiento en la nube y sistemas de archivos distribuidos. También se pueden etiquetar datos de fallos simulados generados a partir de modelos de Simulink . Esta toolbox incluye ejemplos de referencia para motores, cajas de cambios, baterías y otras máquinas que se pueden reutilizar a fin de desarrollar algoritmos de mantenimiento predictivo y supervisión de condiciones personalizados.
Comience:
ModelosdeCálculoderul
Calcule la RUL de una máquina para facilitar la predicción del tiempo hasta el fallo y optimice la planificación del mantenimiento. ElTipo de AlgoritmodeCálculoderulempleado depende de los indicadores de condición extraídos de los datos, así como de la cantidad de datos disponibles.
DiagnóSticode Fallos Mediante Modelos deClasifcación
Aísle la causa raíz de un fallo mediante el entrenamiento de modelos de clasificación y clustering mediante máquinas de vector soporte, clustering k-means y otras técnicas de machine learning.
Deteccióndefallosyanomalías
Rastree los cambios en el sistema a fin de determinar la presencia de anomalías y fallos mediante la detección de puntos de cambio, filtros de Kalman y diagramas de control.
应用诊断功能设计师
Extraiga, visualice y clasifique características a fin de diseñar indicadores de condición para supervisar el estado de las máquinas.
Indicadores de condición basados en señales
ExtrogacaracterísticasParirde Datos De Sensores Preprocesados O Sin Procesar Mediante Rocuento de Flujo de Lluvia,DeteccióndePicosExpectrales,折断Ethectral YOtrasTécnicasRelacionadas Con Los Dominios de Tiempo,Frecuencia Y Tiempo-Frecuencia。
Indicadores de condición basados en modelos
Ajuste modelos de series temporales lineales y no lineales, modelos de espacio de estados y modelos de función de transferencia a datos de sensores. Utilice las propiedades y las características de estos modelos ajustados como indicadores de condición.
Rodamientos y Cajas de Velocidades
Desarrolle algoritmos para clasificar fallos de anillo interno y externo, detectar fallos en dientes de engranajes y calcular la RUL.
Bombas, motores y baterías
DesArrleLe algoritmos Para侦探福帕斯y Obstrucciones en Bombas,Rastrear Cambios en LaFriccióndemoty Calcular LaDoldadacióndeLasBateríasALALGELGELTIIEMPO。
Organización y etiquetado de datos
importe ytioniquete datos de Archivos Locales,亚马逊S3™,Windows Azure®Blob Storage Y Hadoop®分布式文件系统。
Weneracióndedatosde Fallos desde sim金宝appulink y simscape
Simule datos de fallos mediante modelos de Simulink y Simscape™ de su máquina. Modifique los valores de los parámetros, inyecte fallos y cambie la dinámica del modelo.
应用诊断功能设计师
GenereCódigomatlab desde la app para automatizar el procesamiento deseñales,LaExtraccióndeCacactionísticasY Las Tareas deClasificacióndeCaracterísticas
Tareas de Live编辑
Reconstuccióndepaciofásicointeractiva yextracciónde themadores decondiciónabadosenseñales没有lineales
Análisis的Extectral.
defina bandas de frecuencia y extraiga de funcionalidades espectrales
咨询Las.Notas de laVersiónpara saber los detalles sobre estas características y las funciones correspondientes.