在预测性维护的算法设计中,数据预处理通常是必要的,以清理数据并将其转换为可以提取条件指标的形式。您可以对使用预测性维护工具箱™集成数据存储管理的测量或模拟数据的数组或表执行数据预处理。有关一些常见类型的数据预处理的概述,请参见用于状态监测和预测性维护的数据预处理。
的诊断功能设计app让你执行许多预处理操作交互。app中的处理工具包括滤波、时域处理、频域处理和插值。App时域处理选项包括旋转机械的专门过滤。有关该应用程序的更多信息,请参阅使用诊断性特征设计器探索集成数据并比较特征。
诊断功能设计 | 交互式地从测量或模拟数据中提取、可视化和排序特征,用于机器诊断和预测 |
使用信号处理技术对数据进行预处理,清洗数据并将其转换为一种可以从中提取条件指示器的形式。了解您的系统可以帮助您选择适当的预处理方法。
遵循这个工作流,交互式地探索和处理集成数据,从数据中设计和排序特征,导出数据和选定的特征,并生成MATLAB代码。
将多个系统的测量和信息组织成可以导入应用程序的数据集。
在应用程序中对数据进行过滤和转换。从导入和导出的信号中提取特征,并评估特征的有效性。