2:06视频长度为2:06。
什么是预测性维护工具箱?
预测性维护工具箱™提供了估计机器剩余使用寿命(RUL)和提取特征以设计有助于监控机器健康状况的状态指示器的功能。工具箱还提供了管理和标记数据的功能,以及为轴承、泵、电池和其他机器开发算法的参考示例。
预测性维护工具箱™为设计和测试滚珠轴承、泵、电池和其他机器的状态监测和预测性维护算法提供了功能和参考示例。
使用诊断特征设计器从传感器数据中提取特征,而无需编写任何MATLAB®代码。对传感器数据信号进行滤波预处理,提取时域特征,如均值和标准差。您还可以估计信号的功率和阶谱,并提取频域特征,如频谱峰值。计算完特征后,可以绘制特征图并对其进行排序,以确定哪些特征最适合故障分类和剩余使用寿命算法,并导出它们。
您可以使用相似度方法(需要运行到故障数据)、生存方法(需要与部件更换和部件故障等事件相关的生命周期数据)和基于趋势的方法(需要已知故障阈值)来估计机器的故障时间或其剩余使用寿命。
如您所见,这些方法还为所做的预测提供了置信区间。
每个算法都需要数据,在MATLAB中组织之前,您可以从云、HDFS和本地文件导入您的算法。如果没有任何故障数据,可以从Simulink生成仿真数据金宝app®包含故障情况的机器型号。
文档和示例通过逐步介绍算法开发过程的工作流程帮助您入门。
有关预测性维护工具箱的更多信息,请返回产品页面。
相关产品下载188bet金宝搏
了解更多
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。