Girdharan Kumaravelu,MathWorks公司
预测健康状况和时间来使用MATLAB工业管道风机的故障®和ThingSpeak™。利用MATLAB开发基于测量的振动数据从仪表风扇预测性维护算法。模拟各种故障条件,包括风扇堵塞,并与灰尘积聚的风扇。摘自振动数据和内部功能和训练机器学习模型来诊断不同类型的故障。随着预测性维护工具箱™,创建一个估计的时间到风扇的故障模型。为了收集振动数据,粒子光子具有连接加速度计被安装到所述风扇。粒子光子是与因特网连接的装置连接到ThingSpeak通过Wi-Fi,使你能够流振动信号至ThingSpeak的IoT分析在云中的平台。
数据处理,特征提取,以及机器学习和预测性维护的培训(状态检修)模型,利用MATLAB工具进行脱机。用于离线训练和训练的模型相同的代码被上传到云和使用使用上ThingSpeak内置的MATLAB分析应用程序来预测风扇的状态。
上ThingSpeak,可以作为数据流中对数据执行预测算法。该信道显示示出了风扇的当前状况,并且可以从任何与因特网连接的网络浏览器或移动设备来观看。您也可以到时未能预测到低于某一阈值配置ThingSpeak发送短信和电子邮件警报。
快速原型状态监测与ThingSpeak和MATLAB算法!