预测性维护工具箱™提供功能和参考示例，用于设计和测试球轴承、泵、电池和其他机器的状态监测和预测性维护算法。

使用诊断特征设计器从传感器数据中提取特征，无需编写任何MATLAB^®代码。对传感器数据信号进行滤波和预处理，提取均值和标准差等时域特征。您还可以估计信号的功率和阶谱，并提取频谱峰值等频域特征。在计算了特性之后，可以对它们进行绘图和排序，以确定哪些特性最适合您的故障分类和剩余寿命算法，并导出它们。

您可以使用相似方法(需要从运行到故障的数据)、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(需要已知的故障阈值)来估计机器的故障时间或剩余使用寿命。

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，在用MATLAB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^®包含故障条件的机器模型。

文档和示例帮助您逐步了解算法开发过程的工作流程。

有关预测性维护工具箱的更多信息，请返回产品页面。