主要内容

数据进行预处理

清理和转换数据，以便在命令行和应用程序中提取条件指示器

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。

应用程序

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

功能

全部展开

fillmissing 填补缺失值
filloutliers 检测并替换数据中的异常值
smoothdata 平滑噪声数据
movmean 移动的意思
去趋势 消除多项式趋势
重新调节 数组元素的缩放范围
过滤器 一维数字滤波器
designfilt 设计数字滤波器
运输安全管理局 Time-synchronous信号平均
tsadifference 时间同步平均信号的差分信号
tsaregular 时间同步平均信号的规则信号
tsaresidual 时间同步平均信号的剩余信号
ordertrack 从振动信号中跟踪和提取阶数
rpmtrack 从振动信号中跟踪并提取转速剖面
pspectrum 在频域和时频域分析信号
envspectrum 机械诊断的包络谱
orderspectrum 振动信号的平均频谱与阶数
modalfrf 模态分析的频响函数
bearingFaultBands 在滚动轴承故障特征频率周围生成频谱特征，用于频谱特征提取
gearMeshFaultBands 在齿轮故障特征频率周围构造频谱特征提取的频带
faultBands 生成故障频带进行频谱特征提取
pentropy 信号的谱熵
pkurtosis 来自信号或谱图的光谱峰度
kurtogram 可视化谱峰度
光谱图 使用短时傅里叶变换的谱图
遗传性出血性毛细血管扩张症 简要地变换
emd 经验模态分解

主题

用于状态监测和预测性维护的数据预处理

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。

使用诊断性特征设计器探索集成数据并比较特征

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。

为诊断功能设计人员组织系统数据

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。

在诊断特征设计器中处理数据和探索特征

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。

特色的例子

利用模拟数据进行多类故障检测

利用模拟数据进行多类故障检测

使用Simu金宝applink模型生成故障和健康数据，并使用这些数据开发一个多类分类器来检测不同的故障组合。
打开生活的脚本
分析和选择泵诊断功能

分析和选择泵诊断功能

利用诊断特征设计软件对某三缸往复泵进行特征分析和选择，进行故障诊断。
打开生活的脚本
风力发电机高速轴承预报

风力发电机高速轴承预报

建立指数退化模型，实时预测风力机轴承的剩余使用寿命。指数退化模型根据规则的参数先验和最新测量值预测规则。
打开生活的脚本

预测性维护工具箱文档

金宝app

基于MATLAB的预测维护

基于MATLAB的预测维护

下载电子书