利用MATLAB对某工业风管风机的健康状况和故障时间进行了预测®和ThingSpeak™。利用MATLAB开发基于测量风机振动数据的预测维护算法。模拟各种故障条件,包括风扇堵塞和风扇灰尘积聚。从振动数据中提取特征,建立并训练机器学习模型来诊断不同类型的故障。使用预测性维护工具箱™,创建一个模型,估计风扇故障的时间。为了收集振动数据,在风扇上安装了一个带有加速度计的粒子光子。粒子光子是一个互联网连接设备,通过wi-fi连接到ThingSpeak,使您可以将振动信号流到ThingSpeak的云物联网分析平台。
利用MATLAB工具离线执行机器学习和预测维护(基于条件的维护)模型的数据处理、特征提取和训练。将离线训练所用的代码和训练后的模型上传到云端,并使用ThingSpeak上内置的MATLAB Analysis app预测风扇的状态。
在ThingSpeak上,你可以在数据流输入时对数据执行预测算法。频道显示风扇的当前状态,可以从任何连接互联网的浏览器或移动设备上查看。你也可以配置ThingSpeak在预测故障时间小于某个阈值时发送短信和邮件提醒。
快速原型条件监测算法与ThingSpeak和MATLAB!
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。