开始吧预测维修工具箱

设计和测试条件监控和预测维护算法

预测维护工具箱™可让您标记数据，设计条件指示灯，并估算机器的剩余使用寿命（RUL）。

工具箱提供了使用基于数据和基于模型的技术的探索，提取和排序功能的功能和交互式应用程序，包括统计，光谱和时序分析。您可以通过使用频率和时频方法从振动数据中提取特征来监测旋转机器的健康，例如轴承和齿轮箱。为了估算机器的失败时间，您可以使用生存，相似性和基于趋势的模型来预测rul。

您可以分析和标记从本地文件，云存储和分布式文件系统导入的传感器数据。您还可以标记从Simulink生成的模拟故障数据金宝app^®楷模。工具箱包括电机，齿轮箱，电池和其他机器的参考示例，可以重复使用用于开发自定义预测性维护和状态监测算法。

教程

这三部分教程向您展示了如何使用诊断功能设计器中的集合数据和提取和排名功能。

预测维护第1部分：介绍
了解不同的维护策略和预测维护工作流程。预测性维护允许您找到通过估计失败时间来安排维护的最佳时间。

预测性维护第2部分：特征提取识别条件指标
了解如何从数据中提取条件指示符。条件指标帮助您区分机器的健康和错误状态。

预测性维护第3部分：剩余使用寿命估算
预测维护让您估计您机器的剩余使用寿命（RUL）。探索三种常见模型来估算RUL：相似性，生存和退化

预测维护第4部分:如何使用诊断特征设计器进行特征提取
了解如何使用诊断特征设计器提取时域和光谱功能，以开发预测性维护算法。