预测性维护通过预测传感器数据的故障,降低了企业运行和制造昂贵设备的运营成本。然而,从传感器数据中识别和提取有用信息是一个过程,通常需要多次迭代,以及对机器及其运行条件的深入理解。
在这次演讲中,你将学习MATLAB®预测性维护工具箱™将机器学习与传统的基于模型和信号处理技术相结合,创建预测和隔离故障的混合方法。您还将看到内置的应用程序,从传感器数据提取、可视化和排名功能,而无需编写任何代码。然后可以将这些特征用作故障分类和剩余使用寿命(RUL)算法的条件指示器。
预测维护算法在为大量机器开发和部署到生产系统时影响最大。本次演讲将向您展示如何验证算法,然后将它们与嵌入式设备和企业IT/OT平台集成。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。