Girdharan Kumaravelu,Mathworks
预测使用MATLAB的工业风扇失效的健康状况和时间®和ThingSpeak™。利用MATLAB开发基于测量风机振动数据的预测维护算法。模拟各种故障条件,包括风扇堵塞和风扇灰尘积聚。从振动数据中提取特征,建立并训练机器学习模型来诊断不同类型的故障。使用预测性维护工具箱™,创建一个模型,估计风扇故障的时间。为了收集振动数据,在风扇上安装了一个带有加速度计的粒子光子。粒子光子是一个互联网连接设备,通过wi-fi连接到ThingSpeak,使您可以将振动信号流到ThingSpeak的云物联网分析平台。
使用MATLAB工具离线执行机器学习和预测性维护(基于条件的维护)模型的数据处理,特征提取和培训。用于离线培训和培训模型的相同代码将上传到云端,用于预测ForthSpeak上的内置MATLAB分析应用程序的风扇的状况。
在orithspeak上,您可以在数据上执行预测算法作为数据流。通道显示屏显示风扇的当前条件,可以从任何因特网连接的Web浏览器或移动设备查看。当预测失败时间时,您还可以将MorestPeak配置为发送短信和电子邮件警报,以小于特定阈值。
快速原型状况监测算法与东西吞噬和matlab!
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。