Predictive Maintenance with MATLAB

第2天的第2天

导入数据和处理数据

客观的：Bring data into MATLAB and organize it for analysis, including handling missing values. Process raw imported data by extracting and manipulating portions of data.

• 使用MATLAB数据类型存储数据
• Import with datastores
• Process data with missing elements
• 用高阵列处理大数据

Finding Natural Patterns in Data

客观的：根据一组条件指标，使用无监督的学习技术来进行小组观察，并在数据集中发现自然模式。

• 在数据中找到自然簇
• 降低维度
• 评估和解释数据中的簇

建筑分类模型

客观的：使用监督的学习技术对分类问题进行预测建模。评估预测模型的准确性。

• Classify with the Classification Learner app
• 来自标签数据的火车分类模型
• Validate trained classification models
• 通过优化高参数来提高性能

第2天的第2天

探索和分析信号

客观的：交互式探索和可视化数据中的信号处理功能。

• 导入，可视化和浏览信号以获得见解
• Make measurements on signals
• 比较时间和频域中的多个信号
• Perform interactive spectral analysis
• 提取兴趣区域
• 生成用于自动化的MATLAB脚本

预处理信号以提高数据集质量并生成功能

客观的：学习以清洁信号集的技术，并通过重新采样，删除异常值和填充空白等操作。互动生成和等级功能。

• 使用重采样来处理非均匀采样信号
• 填充均匀采样信号中的空白
• 进行重新采样以确保跨信号的共同时间基础
• 使用Signal Analyzer应用程序设计和应用过滤器
• 使用文件集合数据存储来导入数据
• 使用诊断功能设计器应用程序自动生成和排名功能
• 使用信封spectru执行机械诊断m
• 找到异常值并替换为可接受的样品
• 检测更改点并执行自动信号分割

估计失败时间

客观的：探索数据以识别功能和训练决策模型，以预测剩余的使用寿命。

• 选择条件指标
• Use lifespan data to estimate remaining useful life using survival models
• 使用阈值数据使用降解模型估算剩余使用寿命
• Use run-to-failure data to estimate remaining useful life using similarity models