MathWorks今天发布了预测性维护工具箱，这是一款新的MATLAB产品，可以帮助工程师设计和测试状态监控和预测性维护算法。预测性维护工具箱为正在设计算法以组织数据、设计状态指示器、监控机器运行状况和估计剩余使用寿命(RUL)以防止设备故障的工程师提供功能和参考示例。
通过预测性维护工具箱，工程师可以分析和标签传感器数据导入的文件存储在本地或云存储。他们还可以标记由Simulink模型生成的模拟故障数据，以表示设备故障。金宝app信号处理和动态建模方法是建立在频谱分析和时间序列分析等技术之上的，工程师可以对数据进行预处理，并提取可用于监测机器状态的特征。使用生存、相似性和基于趋势的模型来预测RUL可以帮助工程师估计机器的故障时间。工具箱包括电机、变速箱、电池和其他机器的参考示例，可用于开发定制的预测性维护和状态监控算法。
现在，工程师可以开发和验证所需的算法，以预测设备何时可能发生故障，或通过监测传感器数据检测任何潜在的异常。这些算法是通过访问存储在本地文件、云存储系统(如Amazon S3和Windows Azure Blob storage)或Hadoop分布式文件系统上的历史数据来开发的。另一个数据来源是包含故障动力学的设备物理模型的模拟数据。工程师可以从这些数据中提取并选择最合适的特征，然后使用交互式应用程序训练具有这些特征的机器学习模型，以预测或检测设备故障。
“预见性维修是工业物联网的一个关键应用。这对于减少不必要的维护成本和消除计划外停机至关重要。MathWorks的技术营销经理Paul Pilotte说:“那些通常没有机器学习或信号处理背景的工程师发现，为预测性维护设计算法尤其具有挑战性。”“现在，这些团队可以通过使用预测性维护工具箱作为学习如何设计和测试这些算法的起点，迅速提升。”
预测性维护工具箱可在世界各地获得，更多信息可在mathworks.com/下载188bet金宝搏products/predictive-maintenance.html．
了解更多关于工程团队如何使用MATLAB通过预测故障，自动确定故障的根本原因，并避免不必要的维护成本，以减少设备停机时间mathworks.com/金宝搏官方网站solutions/predictive-maintenance.html．
